目前网页空白处或结尾处添加了，仿复制文字的乱码。

试了多种方法，可以去除但很不方便

请大家分析分析，用BAT能否解决。

例如此处网页文字就添加了乱码：http://nj.bbs.house.sina.com.cn/thread-3069654-1.html?utm_source=xinshou?source=sina_news

BAT估计不好搞吧，首先获取页面内容就是个问题。

我的思路是获取所有HTML源代码，然后剔除它里面把颜色显示为白色的部分。

针对新浪这个BBS的相关帖子做了几个测试，写了一行脚本，好像可以实现。

javascript:document.write((document.body.innerHTML.replace(/<span*>*<\/span>/gi,"")).replace(/<font*#fff*>*<\/font>/gi,""));

先打开你要看的网页，然后把这个粘贴到地址栏，然后回车，就能看到没有杂物的文字，没有严格测试，我对正则表达式也不是太精通。

现在的文字看起来干净了，但可能还有残缺的HTML标记，复制到记事本中再从记事本复制出来的就是纯净的文本了。

Last edited by qinchun36 on 2009-12-29 at 20:44 ]