Работа посвящена созданию системы автоматического сбора и обработки открытых данных на казахском языке с ресурсов сети интернет, и несет в себе практическую значимость в задачах сбора и анализа текста. Во введении обосновывается актуальность выбранной темы, обзор существующих подходов, формулируются задачи исследования. Рассматривается такая задача, как сбор и первичная обработка текстовых данных с последующим анализом. Сбор данных является первоочередной задачей, так как открытые данные с ресурсов сети интернет не структурированы и нуждаются в обработке. Авторы предоставляют систему обработки веб страниц казахскоязычных порталов, а также приводят практическое применение данного подхода на реальных данных открытых ресурсов с помощью созданной системы. Представлен подход индексирования документов с помощью признаков. Система поможет структурировать открытые данные с ресурсов сети интернет, а также провести анализ собранных данных. Представлены практические результаты.