在自然语言处理领域，事件抽取和追踪一直是一个非常重要的研究方向。如何准确高效地从大量繁杂无序的信息中提取到感兴趣的事件信息,是事件抽取研究领域的关键问题。本课题选择抽取的对象文本来源于著名的中文微博媒体——新浪微博。微博，即“Microblog”，是一个基于用户关系的分享，传播以及获取信息的平台。人们每天发布上百万条微博。作为一种新兴媒体，微博中蕴含了海量的信息，是当前各类大数据研究的绝佳平台。与城市交通信息有关的微博常常提及诸如事故信息，堵车信息，道路施工信息。这些微博蕴含的信息往往具有很高的准确性和时效性，通过有针对性的抓取，排除噪音，事件抽取，我们将能得到覆盖整个城市交通网的实时信息来源。然而，传统的标准自然语言处理工具针对中文微博文本的处理不尽人意，因此，本文描述了本课题构建的一整套系统方案，实现从抓取微博，去除噪音，微博话题限定，句子分割，词性标注，命名实体识别，事件抽取到事件展示的过程。本课题使用了基于条件随机场概率模型CRF和基于规则的正则表达式相结合的办法进行自然语言处理，使用python作为主要开发语言。实验结果表明，经测评分析得出的最优方案能以达83%的准确率提取微博文本中的事件要素；微博文本标准化处理方法能够有效的提升后期事件抽取的准确率；系统最终能能实时的展示出所提取的信息。