随着互联网技术的迅速发展，网络上的信息资源呈爆炸式增长，万维网己经成为拥有几十亿个web 页面的分布式信息空间。在这海量的数字资源中，信息大都以半结构化或非结构化的数据形式存在，存储组织杂乱无章，从中迅速有效地获得所需信息非常困难。网页分类作为处理和组织大量web数据的关键技术，可以在较大程度上解决信息杂乱问题，方便用户准确地定位所需的信息和分流信息，具有广泛的应用前景。 本文研究了中文网页自动分类问题，运用支持向量机算法进行分类，有效地提高了网页分类的准确性。首先，对网页源代码进行深入研究，建立了一种网页噪音自动过滤的方法。根据web页面的特征，提出网页去噪的三个层次：标签过滤、提取内容、再标签过滤，去除网页中的Tag标签、广告、版权信息，有效剔除与网页主题无关的内容，保留了网页正文及相关信息。其次，将提取的网页信息分为关键信息部分和正文信息部分，并将两部分分别进行处理，生成文本的向量格式。通过学习支持向量机分类算法，对向量文本进行分类，得到的文本类别信息反映了对应的网页的类别信息。最后，选用北京大学网络与分布式实验室收集的中文网页样本集CCT2002-v1.1进行了实验。对11678个训练网页实例和3630个测试网页实例进行去噪，再对提取后的正文进行分类。实验表明，提取网页正文的准确率达到99％，能有效地去除网页的噪音信息。网页分类的召回率和准确率都有所提高，并在此基础上设计实现了中文网页自动分类系统。