Khai phá nội dung Web là tập trung vào việc khám phá một cách tự động nguồn thông tin có giá trị trực tuyến. Không giống như khai phá sử dụng Web và cấu trúc Web, khai phá nội dung Web tập trung vào nội dung các trang Web, không chỉ đơn thuần là các văn bản đơn giản mà còn có thể là dữ liệu đa phương tiện như âm thanh, hình ảnh, phần biến đổi dữ liệu và siêu liên kết,… KHAI PHÁ WEB Khai phá nội dung Web Khai phá cấu trúc Web Khai phá sử dụng Web Khai phá kết quả tìm kiếm Khai phá văn bản Web Khai phá các mẫu truy cập Phân tích các xu hướng cá nhân
Trong lĩnh vực khai phá Web, khai phá nội dung Web được xem xét như là phương pháp KPDL đối với CSDL quan hệ, bởi nó có thể phát hiện ra các kiểu dữ liệu tương tự của tri thức từ kho dữ liệu không cấu trúc trong các tài liệu Web. Nhiều tài liệu Web là nửa cấu trúc (như HTML) hoặc dữ liệu có cấu trúc(như dữ liệu trong các bảng hoặc CSDL tạo ra các trang HTML) nhưng phần đa dữ liệu văn bản là không có cấu trúc. Đặc điểm không cấu trúc của dữ liệu đặt ra cho việc khai phá nội dung Web những nhiệm vụ phức tập và thách thức.
Khai phá nội dung Web có thể được tiếp cận theo 2 cách khác nhau: Tìm kiếm thông tin và khai phá dữ liệu trong cơ sở dữ liệu lớn. Khai phá dữ liệu đa phương tiện là một phần của khai phá nội dung Web, nó hứa hẹn việc khai thác được các thông tin và tri thức ở mức cao từ nguồn đa phương tiện trực tuyến rộng lớn. KPDL đa phương tiện trên Web đã thu hút được sự quan tâm của nhiều nhà nghiên cứu trong thời gian gần đây với mục đích là tạo ra một khung thống nhất đối với việc thể hiện, giải quyết bài toán và huấn luyện dựa vào đa phương tiện. Đây thực sự là nột lĩnh vực nghiên cứu còn nhiều vấn đề đang chờ đợi được khai phá.
Có hai chiến lược khai phá nội dung Web, đó là khai phá kết quả tìm kiếm và khai phá văn bản Web.