Question

我的HTML编码技巧略高于新手级，虽然我的CSS每天都在提高，所以我甚至都不知道是否可以这样做。虽然我没有Python，Php，Ruby，Javascript，Perl，Fortran 蜂鸣器！（只是想确保你还是醒着大家伙）我愿意学习。下面的切片是365,937个字符中的前970个字符 - .003％ - 仅包含一种风格。正是这些和其他广告代码墙块我渴望删除：

<style type="text/css">#Ad2, #AdText, #Ad_Top, #Adbanner, #Adfox_Banner, #Ads, #AdvertFieldBottom, #AdvertFieldCenter, #AdvertFieldTop, #Advertisement, #AdvertisingTopLine, #BanHolder28-1, #BannerGBottom, #BannerGCenter, #BannerGIMG, #BannerGTop, #BannerH2Left, #BannerHIMG, #BannerHLeft, #BannerUnderBroChat, #JaboxAdBarOuter, #METABAR_IFRAME, #MarketGidComposite1001, #PopUpWnd, #PopWin, #PopWin_popupsu_notds, #RichBanner_center, #__adIframe, #ad-200, #ad-slides, #ad2, #ad4, #ad7, #adHeadBanner, #adL, #adP, #adWrapper, #ad_help_link, #ad_hide_mask_ad_0, #ad_hide_mask_ad_1, #adbns, #adf_notifiers_wrap, #adsCSS, #advRightBox, #advbroker_place_1, #advbroker_place_10, #advbroker_place_2, #advbroker_place_3, #advbroker_place_4, #advbroker_place_5 { display: none!important; }
#advbroker_place_6, #advbroker_place_7, #advbroker_place_8, #advbroker_place_9, #advertbox, #advertising_floater, #advertisment, #advrich, #advunder-top, #adzerk3, #app-banners, . . .</style>

我经常保存HTML页面供我自己的私人参考，我想知道是否有任何可用于剥离

的脱机¹小部件/应用程序/宏/技术

文件的广告代码和
所有非内容数据代码（脚本，表单，事件等）

我想保留作者页面的视觉风格，但删除膨胀，我想如果stackoverflow上的高级人才无法找到解决方案，那么 nobody 就可以。我对正则表达式有基本的了解，除Notepad ++外，我是以下资产的常规用户：

Macromedia的Dreamweaver 8
Textpad（版本8.1）
Ultra-Edit-32（第13版）
记事本++
Nir Sofer的magnificent suite of tools
SysInternals（同样）suite of tools

可以吗？感谢大家。：）

¹出于隐私原因，我想避免在线服务

Answer 1

好的，这很粗糙，但是正如Wild Beard所提到的，要摆脱这种广告废话并不是一个简单的方法。 使用固定间距/等宽字体和带有行编号选项的健壮文本编辑器（我在Textpad中完成了此操作，但是我很确定Don Ho的免费Notepad ++可以做到这一点也是如此）。

保存您的原始备份！
删除所有自动换行
将所有文本行对齐到左边缘
消除所有两倍或更多的垂直间距

您现在应该有一个大块的文本，左对齐，并且是单行

在每行的第一个字符位置插入行号，后跟TAB
将数字列填为零，以使数字对齐

对不希望将第5行与第50001行分组的第一个字符进行排序

在视觉上滚动查找冗长的行，并开始尝试按位置排序

您正在做的是抓住最长的广告行并将其隔离以进行删除。准备多次执行此操作。并且不要费力使文档恢复其原始顺序。这就是为什么要对行进行编号。

Answer 2

这是一个简单的概念证明。删除元素等或样式后，您仍需要确定读/写文件。 Fiddle

但是，正如我在评论中提到的那样，这也会匹配#additional-info。我确实添加了一个检查，看看该元素是否为iframe，这应该可以缩小错误。

var matched_classes = [],
		regex = /(#ad)\w+/gmi,
    style = document.querySelectorAll('style');

style.forEach(function(item) {
	matched_classes = item.innerHTML.match(regex);
});

matched_classes.forEach(function(item) {
	var el = document.getElementById(item.replace('#', ''));
  if ( el != null && el.nodeName === 'IFRAME' ) {
	  el.parentElement.removeChild(el);
  }
});

<style type="text/css">#Ad2, #AdText, #Ad_Top, #Adbanner</style>
<iframe id="Ad2" src="https://www.w3schools.com">

</iframe>

<div id="AdText">Something not removed hopefully.</div>

修改

正如您在评论中提到的，您不知道如何实现这一点。没有简单易行的方法。您可以开始here关于如何使用javascript创建文件，但Javascript可能不是您最好的选择。从你的问题语言列表中，Python可能是你最好的选择，遗憾的是，我不知道Python。

您可以复制我创建的代码并将其粘贴到文件底部，在浏览器中打开文件，查看源代码，复制并保存新文件，因为它应删除任何iframe元素来自id标记的匹配<style>。这有点单调乏味。但对于那些没有任何经验可能是您最佳起点的人来说，您知道没有为您写出整个解决方案。

<script>
var matched_classes = [],
            regex = /(#ad)\w+/gmi,
        style = document.querySelectorAll('style');

    style.forEach(function(item) {
        matched_classes = item.innerHTML.match(regex);
    });

    matched_classes.forEach(function(item) {
        var el = document.getElementById(item.replace('#', ''));
      if ( el != null && el.nodeName === 'IFRAME' ) {
          el.parentElement.removeChild(el);
      }
    });
</script>

Answer 3

如果您在浏览器的shadow-root中找到这些奇怪的样式定义：此CSS通过动态添加到每个网站 Adguard Adblocker。该工具设置了各种＆＃34; #banner ...＆＃34;或＆＃34; #ad ...＆＃34;等等＃34;显示：无！重要＆＃34;。

https://chrome.google.com/webstore/detail/adguard-adblocker/

从我的HTML中删除所有广告代码？

3 个答案:

修改