万维网数据集成（Web data integration），工学-信息与通信工程-大数据处理-大数据集成-Web数据集成，将分布在万维网不同位置的异构数据源有效整合，为用户提供统一的视图访问的技术。万维网（Web）以各种形式提供大量的数据，其中数据都以超文本标记语言（hypertext markup language，HTML）表格、列表以及基于表单的搜索界面等方式组织起来，大部分数据以常见的结构化形式呈现给用户以便于理解，将其上的数据进行集成显得更加必要。Web中存在至少10亿个结构化HTML数据集，尽管它们对于用户而言看起来是结构化的数据，但是计算机程序从网页中抽取数据的结构仍面临着几个问题：①HTML页面中显而易见的可视化结构在底层的HTML中可能对应着不同的结构；②HTML表格主要用来以格式化的形式展示任意的数据，因此实际上其表格内容并不是高质量的结构化数据；③网页中的列表也没有模式可言，其使用的模板需要根据实际对象呈现的特点来获取其布局结构。Web数据集成的特点主要有大规模和异构性，极少的语义和结构化线索，动态内容及深层网络。