巧用WORD导出干净的网页文本

1. 浏览时先将网页内容存为HTML页面格式：点击浏览器“文件”－》“另存为”命令并选“仅HTML页面”项；

2. 用系统自带的记事本软件打开该网页文件：点击“文件”－》“打开”命令并在文件名处输入先前保存好的网页文件全称（带扩展名如ABCD.HTM）；

3. 这时你在记事本中看到的是文件的全部源代码，选“编辑”－》“全选”和“复制”命令，接着新建一空白WORD文件并选“编辑”－》“粘贴”命令，将所有源代码转移到WORD文件中；

4. 在WORD程序中点击“编辑”－》“替换”命令进行处理。首先选中“使用通配符”选项，根据前面的分析结果在查找栏处输入要查找的文字并执行替换命令（见图三）。

它们分别是：

/<SPAN STYLE＝“DISPLAY：NONE”/>*/</SPAN/>

及/<FONT STYLE＝“FONT－SIZE：0PX；COLOR：#F8F8F8”/>*/</FONT/>

其中替换栏处为空，目的是将所涉及文字全部去除。

5. 执行完上述替换命令后，点击“文件”－》“另存为”命令将处理后的文字保存为新的网页文件。注意：保存时“保存类型”处不要选“WEB页”项而选“带换行符的纯文本”项，且“文件名称”处应填入带指定扩展名的名字，如“EFGH.HTM”；

6. 双击打开新保存的网页文件，点击“文件”－》“另存为”命令并选“文本文件”项。最后得到的新文件就是去除了干扰文字后干净的文本内容了（如图四）；

提示

不同的网站会加入不同的干扰文字，但其原理大多是一样的，通常都是通过<SPAN>、<FONT>等HTML语言代码的特殊语法来实现的，读者只要稍微分析一下就能找出它们的共同点及相应的处理方法。

ULTRAEDIT是很强的文本编辑软件且受到许多电脑用户的推崇，但当用它来处理上述操作时需注意先在“高级”－》“设置”－》“常规”框中选中“允许输入低值ASCII码”项（如图五），以在查找替换操作中启用程序的控制字符识别功能。

文：李继坤