在信息时代,大量信息在互联网上传播。对于那些感兴趣的有价值的信息,人们除了浏览外,还更希望能够收集并存储起来。针对这样的需求,Web信息提取这一研究领域应运而生。Web信息提取系统是一类以从Web源文件中提取数据为目的的软件应用。Web信息提取系统通常与Web源文件进行交互,提取存储在文件中的数据,例如:若源文件是HTML页面,则提取的内容可以是由页面中的元素组成也可以是页面自身的全部文本。最终,数据的提取往往通过后处理来完成,数据被转换成最方便使用的结构化格式,并存储以便进行进一步的使用。链接信息页面的提取是Web信息提取的一类重要的应用场景。所谓链接信息指的就是(标题,链接)二元组,而链接信息页面则指的是用来集中展示同类链接信息的页面。链接信息页面在互联网上极为常见,但凡需要涉及到大量信息发布的网站,例如新闻网站、网络社区、电影信息网站、垂直信息发布网站等,都会用链接信息页面对信息详情页进行目录索引。人们对于这类网站信息的收集需求一直以来都广泛存在,而链接信息页面的提取技术则是解决这一需求的关键。传统的基于正则表达式的链接提取方法,需要有专业知识的工作人员参与,且提取过程效率低下,成为生产力的瓶颈。本文将页面的链接信息提取问题抽象成了页面的同质信息提取问题。并利用了“Web页面编写时会将具有相同意义的信息赋予相同的结构样式”这一设计习惯,借助路径摘要以及路径节点名序列两个概念,提出了一种利用结构样式反过来定位信息的信息提取方法,并基于此方法提出了一个同质信息提取问题的解决框架。随后我们从抽象问题回归到具体问题,将这种新的方法方法与链接信息页面的提取这一具体场景相结合,设计并实现了一种全新的链接信息提取系统。该系统采用了人工提取与机器提取相结合的设计,从而兼顾了信息提取的自动化程度与提取的准确度。其中人工提取部分提供了可视化人工提取器,该提取器将复杂的提取流程抽象成了一次鼠标点击的操作,具有极低的学习成本和极高的操作效率。而机器提取部分则在该方法框架下,通过对路径摘要节点进行向量化表示,实现了信息提取问题到机器学习二分类问题的转化,使得系统能够完成自动的规则抽取。在具体实现中,我们设计并使用一组特征对路径摘要树节点进行了向量化表示,并利用随机森林模型作为分类器,实现了自动化的链接信息提取。在链接提取这一场景下,我们设计的系统具有极低的学习成本、高效的人工提取效率以及良好的机器提取效果,在准确度与自动化程度之间达到了良好的平衡,能够显著提高链接信息提取这一环节的生产力。