多管齐下复制网页内容时去除多余字符
作者：俞木发
来源：《电脑爱好者》2021年第05期
tampermonkey        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）。
        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

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。