[网络取书] 网页文字去干扰码的手动方法

不少软件可以方便快捷地执行类似以及更多操作，如“TXT小说下载工具”（绿色免安装，但是不支持英文操作系统）、“网络取书”等。(派派有很多软件可下载。)
这里简单地解释一些原理。

去水印方法一：颜色区分
水印：使用不同于正文的字体颜色。
如果水印文字保持同一种字体颜色，可以将所有这种颜色的文字替换成null从而清除。
如果水印文字用了几种不同颜色，我们难以一一替换所有颜色的文字。
只要正文始终保持同一种字体颜色，那么可以将所有这种颜色的文字提取出来。

在晋江非VIP网页上，用鼠标连击三次选择章节内容，保持格式粘贴到Word里。
以鼠标随意选中几个正文文字，查看其字体颜色。（要么是Automatic，要么从more color -> custom查看RGB数值。）
Ctrl F, in Find box enter nothing, instead, (More -> ) format -> Font -> Font color -> Autotamic (or enter the RGB values).
Find in -> Main document. (All text color is selected.)
Click once on the Word document.
Ctrl C.
Paste into Notepad.



去水印方法二：字符替换
在晋江非VIP网页上，用鼠标连击三次选择章节内容，Copy all text to Notepad. copy from Notepad to Word. (removes formatting)

第一步，查找" 保护版权！尊重作者！反对盗版！@ Copyright of 晋江原创网 @"，将其替换成null.
第二步，行末的乱字符其规律为“的+字母及数字+换行符”，例如“的cedebb6e872f53”。
启用通配符，将"的[a-z,0-9]@^13"替换成"^p"。
（注：^13跟^p差不多，而且可以在启用通配符情况下使用。）

或者，第二步，去除任意字母，去除任意数字，再消除"的^p"。

之后进行格式整理，如将^13替换成^p，消除空格、空行等。
录制一个宏来自动完成去水印的工作
Create a word document. Record a macro, type a name, save in THIS document.
Record.
Then save as macro-enabled Word document (so that it now carries the macro).



删除广告及干扰码

冗余的关键词，如“×××首发0起0点××”、“http/www.×××.com/cn”、“更新时间：××××××××××××”等。
如果是固定不变的“冗余的关键词”，在Word里进行替换即可。

但是如果是后半部分变化的“冗余的关键词”，如“更新时间：××××××××××××”、“字数：××××”，则

方法一：
用Excel处理。前提是它们单列一行。
（如果不是，则先在Word里，在冗余的关键词前加入段落符号^p，再复制到Excel里。）
Excel-数据-导入外部数据-导入数据
查找冗余的关键词”，把找到的内容全部选中，编辑-清除－全部。
粘贴到记事本里。

方法二：
在Word里，如果文中多次出现如下自成一段的关键词
章节字数：2449 更新时间：07-09-30 18:48
其特点是数字部分次次不同，但是“章节字数：”、“更新时间：”固定不变，则可
查找“章节字数*-*:”，use wildcards；替换成null。
这样“章节字数：2449 更新时间：07-09-30 18:”部分全部清除。
接着，查找“^p^#^#^p”
替换成^p，则这样段落全部删除。

最后可以用排版软件，如Gidot Typesetter，除去段落末尾半角的干扰符。
有很多现成的排版软件、文本整理器，可以快捷地批量处理空行、空格、段首空两格、段落合并等问题。