网络购物的发展非常迅速,目前能在网上购买的商品已经十分丰富,能在市场上买到的商品,几乎都能在网上买到。随着网络购物市场的发展,出现了很多的购物网,如京东,卓越,当当,淘宝等。因为运作模式的不同,对于同样的商品,这些购物网在同一时间对同一商品的售价往往是不同的。对于客户来说,在网上购物时,都希望以最低的价格购得看中的商品。为了达到这一目的,需要到各购物网上去查询看中的商品的价格,比较之后才能知道最低的价格。显然,这样做是非常麻烦的,用户需要打开很多个Web页面,搜索到商品后,记录下价格后再做比较。如果有一套系统,能自动的在购物网站搜集商品价格信息,并将价格比较的结果展现出来,那将会给用户提供非常大的便利,本文的目的就是研究如何实现这种比价系统。本文使用了基于Web数据抽取的方法,通过集成各购物网站主页的搜索功能,搜索用户希望购买的商品,并将查询到的结果进行比较,最终将比较结果呈现给用户。其中查询接口的集成,是根据输入框和按钮的位置来判断是否是查询接口,然后将查询文本写入输入框,并通过触发按钮的点击事件发送查询请求。抽取商品价格信息的部分,采用的方法是将商品价格信息页面的HTML代码转换成DOM树,然后在DOM树中搜索在页面中显示面积最大并重复出现的模板,然后根据模板从HTML代码中抽取商品价格信息。价格比对的部分,是通过对商品描述文本进行分词,然后使用文档相似度对比的方法做到的。通过使用这个方法,能够以较高的准确率抽取到商品价格信息,并根据其描述文本的相关程度,将商品进行分组。