大神帮忙，网页中文字符处理问题，着急着急！！！

问题是这样的：
    网页上有一条条的题目，我这里有一个WORD里边有所有的题目，怎样自动将网页上的题目提取出来然后和word中的题目进行比较，找出相同的一个，并生成日志，得到题目的答案！现在没有思路，不知道该怎么解决，大神帮忙