网页内容采集。网页采集作为政府网页在线归档的第一步，是利用相关工具，以给定的频率和方式，及时选取值得保存的政府网页内容。网页采集的第一步是确定采集对象。政府网页上采集的信息是域名中带有“gov.cn”的政府网站。为了保证政府网页的采集质量，需要对目标网站进行评估，选择那些信息规模大、原生信息丰富、更新频繁的政府网站作为采集对象。确定要采集的目标政府网站后，还应根据实际需求选择相应的采集方式。

　　完整性收集和选择性收集是目前常用的网络资源收集方法。它们各有利弊。为了弥补各自的不足，可以优势互补。采用了结合两种方法优点的混合收集方法。在收集所有入选政府网站完整性的同时，通过人工干预对网站内容进行筛选，有证据价值、历史价值和研究价值的重要网站被有选择地频繁收集。这不仅考虑到了政府网站

　　然而，网页的收集和抓取最终还是要依靠相应的网络爬虫工具。目前网页存档的爬虫工具有很多，其中最常用的是Heritrix和HTTrack。利用这些工具可以批量在线自动采集目标政府网站的网页。