A web é o maior repositório de dados disponível, contando com mais de 150 milhões de tabelas com dados relacionais de qualidade. muitos trabalhos têm unido esforços a fim de utilizá-las como base para consultas, porém, a heterogeneidade de formatações em que os dados se encontram limita a 17,75% a quantidade de tabelas aptas para este tipo de processamento. a fim de aumentar o aproveitamento das informações estruturadas na web, esta dissertação propõe uma taxonomia para catalogação das categorias de tabelas utilizadas com maior frequência, formalização destas e definição de algoritmos para unificação estrutural. para a catalogação, foi implementado o framework wtclassifier, baseado em redes neurais artificiais. seu aprendizado se dá através da análise de padrões em tabelas, escolhidas aleatoriamente, cujas categorias são conhecidas. nos experimentos realizados, o wtclassifier apresentou valores altos de f-measure para a maioria das estruturas definidas. após a categorização, são aplicados algoritmos em cada caso heterogêneo, de modo a trazer todas as tabelas para uma estrutura única.