互联网技术的飞速发展加快了计算机软件产业变革的进程,开源运动在世界范围内如火如荼的进行着。从开发者,到业界相关组织乃至全球知名的IT巨头,纷纷加入到这场开源运动中来,成为开源软件的忠实拥趸。开源意味着软件开发过程从封闭走向开放,软件产品的所有权由独占变为共享。而开源软件的诞生和成长都是在开源社区中进行的,群体的智慧在开源社区中交融,知识的光辉在开源社区中闪耀。开源软件数量指数级的剧增推动了开源社区的迅猛发展。最终开源社区分化为了以群体化开发为导向的协同开发社区和以思维交流碰撞为导向的知识分享社区这两种形态。这两类开源社区包含了海量的开源数据资源,它们相互关联,紧密交织,共同构成了一个有机的开源生态系统。开源社区的异构性以及海量开源数据资源存在的分散性为面向开源社区的Web数据抽取技术的研究带来了巨大的挑战。通过对开源社区数据的特点和信息抽取相关技术的深入分析研究,本文提出了一种基于数据分块的Web数据抽取规则生成算法,自动生成基于Xpath和正则表达式的抽取规则模板,能够实现对Web数据的有效抽取。构建了一个支持Web页面预处理、数据抽取与持久化等的通用的Web数据抽取框架。实现了一个面向开源社区的Web数据抽取原型系统,并集成到OSSEAN开源软件检索与分析平台,最后对面向开源社区的Web数据抽取系统的有效性进行了验证。面向开源社区的Web数据抽取系统实现了对开源社区中的Web数据的有效抽取,为基于开源社区深度数据挖掘的开源大数据服务平台“OSSEAN”的开发和运行提供了强有力的数据支撑。