多管齊下復(fù)制網(wǎng)頁內(nèi)容時(shí)去除多余字符

俞木發(fā)

1.復(fù)制后的多余內(nèi)容是怎么來的

類似從百度知道中復(fù)制網(wǎng)頁內(nèi)容時(shí)出現(xiàn)的多余字符，其實(shí)是網(wǎng)站設(shè)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(nèi)容，因此這些復(fù)制的內(nèi)容只適合作為個(gè)人的參考資料，不適合發(fā)表。我們在使用時(shí)需要注意這個(gè)問題。

這些代碼不會(huì)在正常的網(wǎng)頁中顯示其內(nèi)容，但復(fù)制粘貼后會(huì)顯露出來。比如圖1的例子，在網(wǎng)頁中右擊并選擇“查看網(wǎng)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(yīng)“bai”），這些代碼所對應(yīng)的內(nèi)容會(huì)在粘貼為文本形式后自動(dòng)顯示（圖2）。

2.對癥下藥解決問題

既然多余字符是由于網(wǎng)頁中的代碼導(dǎo)致的，如果要解決這個(gè)問題，我們就需要根據(jù)不同的需求對代碼進(jìn)行處理。

方法1：使用瀏覽器組件屏蔽代碼

現(xiàn)在很多瀏覽器都有“沉浸式閱讀器”，在這個(gè)模式下會(huì)自動(dòng)屏蔽上述代碼。以在新核心的Edge中復(fù)制知乎頁面的內(nèi)容為例，當(dāng)我們在頁面上直接復(fù)制文本后，粘貼的文本沒有換行格式，而且會(huì)在內(nèi)容的最后自動(dòng)加上版權(quán)字段。如果在打開的頁面中點(diǎn)擊地址欄后的“沉浸式閱讀器”按鈕，進(jìn)入該模式后再進(jìn)行復(fù)制，粘貼后就不會(huì)有這些字符了（圖3）。

如果網(wǎng)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(wǎng)頁中按下“Ctrl+A”組合鍵全選內(nèi)容（或者使用鼠標(biāo)選中需要復(fù)制的內(nèi)容），接著在網(wǎng)頁中右擊并選擇“在沉浸式閱讀器中打開”，手動(dòng)設(shè)置網(wǎng)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(jìn)行復(fù)制，依次點(diǎn)擊Edge瀏覽器右上角的“…→打印”，接著在打開的打印窗口中進(jìn)行文章的復(fù)制即可（在這個(gè)頁面中也會(huì)自動(dòng)屏蔽上述代碼）（圖5）。

方法2：使用插件自動(dòng)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(kuò)展商店中搜索并安裝“Tampermonkey”，啟動(dòng)該插件后點(diǎn)擊“+”新建一個(gè)腳本，在腳本編輯頁中按下“Ctrl+A”組合鍵全選默認(rèn)的內(nèi)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(nèi)容進(jìn)行復(fù)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(fù)制內(nèi)容，其中就不會(huì)包含那些字符了。

如果要去除類似知乎網(wǎng)站復(fù)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(fù)制文本時(shí)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(dāng)需要將百度知道中多余的字符刪除時(shí)，可在網(wǎng)頁中選中需要復(fù)制的資料，接著使用鼠標(biāo)將選擇的內(nèi)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(nèi)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(dòng)將“dao”設(shè)置成了二號字體顯示），因此要?jiǎng)h除這些內(nèi)容，我們只要將字號為1的內(nèi)容替換為空即可（圖8）。

具體方法是，點(diǎn)擊“ 查找和替換”，點(diǎn)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(diǎn)擊“全部替換”即可（圖9）。