多管齐下复制网页内容时去除多余字符

俞木发

1.复制后的多余内容是怎么来的

类似从百度知道中复制网页内容时出现的多余字符，其实是网站设置的一些代码，增加的这些看似“多余”的字符，是制作者不希望读者直接引用该内容，因此这些复制的内容只适合作为个人的参考资料，不适合发表。我们在使用时需要注意这个问题。

这些代码不会在正常的网页中显示其内容，但复制粘贴后会显露出来。比如图1的例子，在网页中右击并选择“查看网页源代码”，在打开的页面中就可以看到在“简单”和“来说”之间有段代码，属性值是“hidden”（即隐藏），代码是“2112”（对应“bai”），这些代码所对应的内容会在粘贴为文本形式后自动显示（图2）。

2.对症下药解决问题

既然多余字符是由于网页中的代码导致的，如果要解决这个问题，我们就需要根据不同的需求对代码进行处理。

方法1：使用浏览器组件屏蔽代码

现在很多浏览器都有“沉浸式阅读器”，在这个模式下会自动屏蔽上述代码。以在新核心的Edge中复制知乎页面的内容为例，当我们在页面上直接复制文本后，粘贴的文本没有换行格式，而且会在内容的最后自动加上版权字段。如果在打开的页面中点击地址栏后的“沉浸式阅读器”按钮，进入该模式后再进行复制，粘贴后就不会有这些字符了（图3）。

如果网页（如上述的百度知道页面）不支持“沉浸式阅读器”，我們还可以在网页中按下“Ctrl+A”组合键全选内容（或者使用鼠标选中需要复制的内容），接着在网页中右击并选择“在沉浸式阅读器中打开”，手动设置网页使用沉浸式阅读器浏览（图4）。

此外，我们还可以使用打印模式进行复制，依次点击Edge浏览器右上角的“…→打印”，接着在打开的打印窗口中进行文章的复制即可（在这个页面中也会自动屏蔽上述代码）（图5）。

方法2：使用插件自动去除代码

如果觉得上述的方法麻烦，那么还可以使用插件来去除。比如Edge的用户，可在扩展商店中搜索并安装“Tampermonkey”，启动该插件后点击“+”新建一个脚本，在脚本编辑页中按下“Ctrl+A”组合键全选默认的内容并删除。接着到“https：//greasyfork.org/en/scripts/415814”下载脚本，下载后使用记事本打开并全选内容进行复制，接着粘贴到“Tampermonkey”的新建脚本窗口中，保存后即可使用（图6）。之后再打开百度知道页面，按下F5键刷新页面，再次复制内容，其中就不会包含那些字符了。

如果要去除类似知乎网站复制后自带的字符，则可以使用CopyAsPlainText插件（同样在Edge插件商店中搜索并安装即可）。完成插件的安装后，在需要复制文本时右击并选择“CopyAsPlainText”，这样粘贴后就是选择的文本了（图7）。

方法3：使用Word查找替换

很多朋友喜欢将资料粘贴到Word中保存和整理，利用Word的“查找和替换”功能也可以快速完成整理操作。比如当需要将百度知道中多余的字符删除时，可在网页中选中需要复制的资料，接着使用鼠标将选择的内容拖拽到Word窗口中。拖拽完成后，在Word窗口中可以看到，其中字体为微软雅黑、字号为1的内容就是“bai、du、zhi、dao”这类的多余字符（这里为了方便文章显示，手动将“dao”设置成了二号字体显示），因此要删除这些内容，我们只要将字号为1的内容替换为空即可（图8）。

具体方法是，点击“ 查找和替换”，点击“查找”下的“格式→字体”，在打开的窗口中，字体选择微软雅黑、字号选择1，替换为留空，点击“全部替换”即可（图9）。