随着Internet技术的发展和广泛应用,人们获取信息的方式也从传统的书本渐渐转移到了网络,造成网络信息飞速增长,网页数量不断增加,人们查找自己真正需要的信息难度也相应增加了。这样就促生了人们对信息查找工具—搜索引擎的需求。通过使用搜索引擎能够使人们比通过传统方式更迅速地找到信息、产品和服务。经过这几年蒙古文信息化建设,蒙古文网页也随之渐渐增多,获取蒙古文信息的范围也渐渐扩大起来,其中要寻找需要的信息的困难也相对增加起来。目前搜索引擎对信息检索起到很大作用,但是蒙古文搜索引擎却一直没有发展起来,其中主要的原因是蒙古文没有统一的编码,并且蒙古文网页编码多样化、(各种编码之间无相互转换规则)无规则、互相间无联系性,所以通过这些编码编辑的网页文本也会是各异的,这也是蒙古文搜索引擎一直没有出现的技术难题之一。然而对于普通用户只关注网页中的内容,并不关心它是使用何种技术、何种编码所制作。因此,我们对于一个未知编码的网页要想正确取得其内容,需要对其做出判断,以确定其是什么编码的网页,然后才能正确识别其内容,所以对蒙古文网页进行抓取、编码识别并转换为统一中间编码成为我们的研究的方向。