近年来,语料库资源对于自然语言处理研究的巨大价值已经得到越来越多的认可。特别是平行双语语料库,它是一种包含有两种语言互译信息的特殊的语料库。它能够提供两种语言之间丰富的匹配信息,在翻译知识的获取、双语词典的建立、基于统计或实例的机器翻译、词义消歧等领域有着重要的应用价值,但是大规模、高质量的平行双语语料的获取却存在很多的困难。本文面向互联网领域,实现了一套基于WEB的双语句对齐语料的获取和过滤的系统,主要就是为了解决大规模和高质量的平行双语语料资源获取的问题。本文首先对互联网的平行双语资源进行调查和分析,对不同类别的双语资源提出了不同的处理方法。本文发现大量的双语句对齐语料可以从经过篇章级对齐处理的双语语料中获取,所以首先本文研究如何获取双语篇章级对齐语料。然后对于这些从网络上获取的平行双语文本,本文进行句对齐处理,将其转化成双语句对齐语料。最后,采取了分类的思想将所得到的平行双语语料进行过滤,得到了高质量的双语句对齐语料。本文在第二章分析了互联网上现存的平行双语资源,并有针对性的提出了本文的研究研究重点。在第三章中提出了一种利用由数字和NE构成的网页指纹进行候选网页获取的方法,这种方法克服了以前研究中对URL命名相似性过度依赖而导致召回率过低的缺点,获得了大量的篇章级平行语料。面对真实网络环境的双语文本,本文在第四章提出了一种利用句子长度和位置信息的双语文本的句子对齐方法来获得句对齐语料,通过实验也获得了较高的准确率和健壮性。本文在最后一章主要解决如何获得高质量句对的问题,提出了一种基于SVM的分类模型来对高低质量的双语句对进行分类,最终也大大提高了获取语料的质量。随着平行双语语料资源在统计机器翻译等自然语言处理领域发挥着越来越重要的作用,源源不断的获取高质量和大规模的平行双语语料的工作也越来越有价值。