自从web2.0的出现,互联网的形态发生了巨大的变化。只要联网,人人都可以参与到互联网,并且很容易地发布信息,这就导致了大量垃圾信息的产生。由于一些商业问题和技术问题,搜索引擎并不能很好地解决垂直且高效获取用户关心信息的问题,同时互联网上利用ajax的编写的动态数据网页越来越多,搜索引擎对于该动态网页并不能很好地进行分析。因此,如何垂直地提取动态网页的信息绕过干扰信息,具有一定的研究意义。本文针对当前几种信息获取应用进行研究和实验,首先选取了 web api方式获取数据,研究了相关原理和流程,实验选用了百度提供的pm2.5api接口进行武汉pm2.5实时信息获取,通过相应操作成功获取武汉实时PM2.5信息。其次选用RSS的方式来获取新闻信息,实验对象选用了凤凰网综合信息频道,通过对RSS feed的解析,获取了以新闻标题为超链接的最新新闻列表。最后对当下搜索引擎,进行相应的试验,分别选取了一部分平时生活感兴趣内容但搜索结果又不够理想的关键词作为试验关键词,选取的搜索引擎的目标为百度。通过对以上三种方式的信息获取应用进行评估后,结合当前信息提取相关文献,通过动态信息生成原理和系统可行性的综合分析,提出了一种基于包装器的DOM提取动态网站数据的垂直半自动化系统。该系统的核心模块是phantomJS包,基于B/S架构,实验目标分别选取了京东,苏宁和亚马逊,主要提取其商品价格信息,其中京东和苏宁的数据属于动态生成的数据,亚马逊的数据能够在网页源文件中看到,它们分别代表了主流网站数据生成方式。通过给系统传递某一个页面的URL,通过下拉菜单调用相应的包装器文件,能够成功获得三家网站的页面数据,该系统可以完成预定的目标,但通过实验过程来看,该系统由于需要运行phantomJS,它可以看成是开打浏览器去解析页面,因此提取数据需要一定的时间,对于服务器性能也有一定的要求。