删除晋江原创网文章干扰码的思路（特征匹配）

本文主要是介绍删除晋江原创网文章干扰码的思路（特征匹配），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

本文章仅授权非营利性质之用途，不得做它用。
著作人身权受法律保护，转载请保留作者署名，保持文章完整性，谢绝修改！
本文章仅作为技术讨论，切勿使用本文章提及的技术，侵害他人权益。由此引发的一切法律责任以及其他纠纷，本文作者均得免责！
特此声明！

==================================================

晋江原创网是国内很著名的原创文学发布网站。（http://www.jjwxc.net/）有很多作者的专栏，更新很快。
我有时会帮别人到上面找一些连载的文章，不过晋江的文章每个段落的后面都有一个干扰码，一般是乱码加上诸如什么“保护版权”的字样，看着很不爽啊！

比如：

Quote:

的 8df707a948fac1b4 保护版权！尊重作者！反对盗版！ @ Copyright of 晋江原创网 @
的 26e359e83860db1d

这些干扰码的技术特点是：
1、内容不固定，含有随机的16进制数；
2、长度不固定，每行干扰码的长度不固定，无论是前面的16进制随机数，还是后面的中文提示。
3、干扰码在HTML中标注的颜色值不固定，随机性很强，虽然说还保持在一个色调范围内。

下面分析一下干扰码的特征：
1、以中文“的”开头；
2、后面有一串16进制数字；
3、干扰码最后必定是一个换行的标记（HTML中为<br>，文本中为chr(10)+chr(13)，如果我没记错的话）

根据特征删除干扰码的思路：
1、判断开头；
2、找到结束；
3、删除！

附带的代码请看附件部分！用ASP写的，嘿嘿。
没办法，因为ASP是我机器上最好的开发环境，方便快捷，能用它做的我就懒得用别的了。

需要完善代码的细节部分，因为为了复制文章随手写的，很多特殊情况没有处理。
比如找到“的”之后，默认判定后面还有字符。如果文章以“的”结尾，程序就报错了，呵呵～

<%
dim i, j, text, text_len, tmp
text=request.Form("text")
i=1
k=1
if text<>"" then
do while instr(i, text, "的")>0
  if instr(i, text, "的")>0 then
   'response.Write "T1"
   j=instr(i, text, "的")
   'response.Write j&"|"
   'response.Write asc(mid(text, j+3, 1))
   if (asc(mid(text, j+2, 1))>47 and asc(mid(text, j+2, 1))<58) or (asc(mid(text, j+2, 1))>96 and asc(mid(text, j+2, 1))<123) then
    tmp=mid(text, j, instr(j, text, chr(10))-j+1)
    text=replace(text, tmp, "")
   end if
   i=j+1
  end if
  k=k+1
  if k>5000 then exit Do
loop
text=replace(replace(text, chr(10), ""), chr(13), "<br>")
        text=replace(text, "　　", "")
response.Write text
else
%>
<form action="" method="post">
<textarea name="text" cols="100" rows="30"></textarea><br>
<input type="submit"><input type="reset">
</form>
<%
end if
%>

这篇关于删除晋江原创网文章干扰码的思路（特征匹配）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！