无障碍检测是保障网页内容无障碍访问的基础。在对政府网站的检测过程中，我们发现曾经达到无障碍访问要求的网站中，部分网页新增了存在障碍的内容，例如图片没有替代文本。因此，为了保障检测结果的正确性，需要检测系统能够及时地对网站新增的内容进行检测。　　对于这种情况，传统的检测方法是抓取整个网站进行无障碍检测，但是，在一段时间内，政府机构网站新增加的网页数量有限，远低于网站总网页数目，将整个网站的数据抓取下来进行检测不仅费时费力，而且，短期内抓取众多的政府网站的数据也是不现实的。针对上述问题，本文提出了一种基于网页分类的增量式网页抓取方法。它是通过分析网页的内容特征和结构特征，采用机器学习的分类方法将网页分成索引页面和内容页面，进而通过索引页面发现新增网页的方法。　　另外，通过分析我们抓取的网页发现政府网站使用的网页模板是相对固定的，而引起网站访问障碍的大部分是网站中的非文本内容，因此对网页中非文本内容的检测成为无障碍检测的重点。本文通过分析非文本内容的替代内容与它周边文本或作用对象的文本的相关性，通过人工辅助检测的方法来确定非文本替代内容的有效性。　　最后，本文介绍了开发本系统所使用的技术、软件包并展示了系统的运行效果。通过将系统与现有的网页内容无障碍检测工具进行对比，凸显了本系统检测方式灵活、检测技术手段多样的特点。