随着互联网的飞速发展及其影响力的不断扩大,网络上的信息量也随之不断增加。面对浩瀚如海的网络信息,依靠人工完成信息的分类已经无法满足实际的需求。其次,网站的人性化设计也成为网站管理者所关心的问题,一个具有人性化特征的网站势必会吸引更多的用户,会给网站带来更多的效益。本文基于上面的需求,引入Web文本挖掘技术来实现信息的快速分类,以及实现具有人性化特征的网站。首先,本文深入研究了中文文本自动分类所涉及到的相关理论和技术。其中包括网页信息抽取技术、文本分词技术、文本向量化技术、文本特征提取技术以及文本分类技术。通过分析与比较上述技术所涉及到的理论和算法,根据系统需求自行设计了网页信息抽取算法。择优选取了最大匹配分词算法、TF-IDF文本向量化算法、互信息量特征抽取算法以及KNN文本分类算法,并对互信息量算法进行了局部改进。其次,文文深入研究了Lucene全文检索系统,并在其基础上实现了中文文本分词功能,Lucene系统可以给系统提供可扩展的全文检索功能。基于上述选取的算法,本文利用Java和面向对象编程技术(设计模式等)结合Lucene平台开发了具有能够自动分类html和txt格式文本功能的文本自动分类系统,该系统提供了可扩展的接口,便于系统的扩展与改进。系统开发完成后,本文对系统利用国际评测标准(查全率、准确率以及F1测试值)对系统进行了测试并对测试结果进行了详细的分析。最后,本文通过研究与分析用户信息挖掘相关技术,自行设计了一种可以按照用户浏览爱好对网站页面进行自动排版的算法。在排版算法的基础上利用JSP和Struts技术实现了具有自动排版功能的个性化新闻网站。由于采用了Struts技术,该网站具有模块间的松耦合性,便于系统的扩展。