多管齊下復制網頁內容時去除多余字符

俞木發

1.復制后的多余內容是怎么來的

類似從百度知道中復制網頁內容時出現的多余字符，其實是網站設置的一些代碼，增加的這些看似“多余”的字符，是制作者不希望讀者直接引用該內容，因此這些復制的內容只適合作為個人的參考資料，不適合發表。我們在使用時需要注意這個問題。

這些代碼不會在正常的網頁中顯示其內容，但復制粘貼后會顯露出來。比如圖1的例子，在網頁中右擊并選擇“查看網頁源代碼”，在打開的頁面中就可以看到在“簡單”和“來說”之間有段代碼，屬性值是“hidden”（即隱藏），代碼是“2112”（對應“bai”），這些代碼所對應的內容會在粘貼為文本形式后自動顯示（圖2）。

2.對癥下藥解決問題

既然多余字符是由于網頁中的代碼導致的，如果要解決這個問題，我們就需要根據不同的需求對代碼進行處理。

方法1：使用瀏覽器組件屏蔽代碼

現在很多瀏覽器都有“沉浸式閱讀器”，在這個模式下會自動屏蔽上述代碼。以在新核心的Edge中復制知乎頁面的內容為例，當我們在頁面上直接復制文本后，粘貼的文本沒有換行格式，而且會在內容的最后自動加上版權字段。如果在打開的頁面中點擊地址欄后的“沉浸式閱讀器”按鈕，進入該模式后再進行復制，粘貼后就不會有這些字符了（圖3）。

如果網頁（如上述的百度知道頁面）不支持“沉浸式閱讀器”，我們還可以在網頁中按下“Ctrl+A”組合鍵全選內容（或者使用鼠標選中需要復制的內容），接著在網頁中右擊并選擇“在沉浸式閱讀器中打開”，手動設置網頁使用沉浸式閱讀器瀏覽（圖4）。

此外，我們還可以使用打印模式進行復制，依次點擊Edge瀏覽器右上角的“…→打印”，接著在打開的打印窗口中進行文章的復制即可（在這個頁面中也會自動屏蔽上述代碼）（圖5）。

方法2：使用插件自動去除代碼

如果覺得上述的方法麻煩，那么還可以使用插件來去除。比如Edge的用戶，可在擴展商店中搜索并安裝“Tampermonkey”，啟動該插件后點擊“+”新建一個腳本，在腳本編輯頁中按下“Ctrl+A”組合鍵全選默認的內容并刪除。接著到“https：//greasyfork.org/en/scripts/415814”下載腳本，下載后使用記事本打開并全選內容進行復制，接著粘貼到“Tampermonkey”的新建腳本窗口中，保存后即可使用（圖6）。之后再打開百度知道頁面，按下F5鍵刷新頁面，再次復制內容，其中就不會包含那些字符了。

如果要去除類似知乎網站復制后自帶的字符，則可以使用CopyAsPlainText插件（同樣在Edge插件商店中搜索并安裝即可）。完成插件的安裝后，在需要復制文本時右擊并選擇“CopyAsPlainText”，這樣粘貼后就是選擇的文本了（圖7）。

方法3：使用Word查找替換

很多朋友喜歡將資料粘貼到Word中保存和整理，利用Word的“查找和替換”功能也可以快速完成整理操作。比如當需要將百度知道中多余的字符刪除時，可在網頁中選中需要復制的資料，接著使用鼠標將選擇的內容拖拽到Word窗口中。拖拽完成后，在Word窗口中可以看到，其中字體為微軟雅黑、字號為1的內容就是“bai、du、zhi、dao”這類的多余字符（這里為了方便文章顯示，手動將“dao”設置成了二號字體顯示），因此要刪除這些內容，我們只要將字號為1的內容替換為空即可（圖8）。

具體方法是，點擊“ 查找和替換”，點擊“查找”下的“格式→字體”，在打開的窗口中，字體選擇微軟雅黑、字號選擇1，替換為留空，點擊“全部替換”即可（圖9）。