一个网站的终极内容防复制的设计，没见过更加丧心病狂的了，求破求算法

[zxp]

很多年前发现的一个奇葩网站，内部所有文章的内容都用一种奇葩的防复制设计，不但防机器人，还防人肉复制，曾想破了脑袋去破，最终还是放弃了，耿耿于怀了很多年，原始网址忘记了，就用一个图片来说说这个设计吧，看看大家有没有破法。



整篇文章被多个表格包围，表格大小随机，一个文字一格，手工复制出来，导成纯文字版整个文章文字顺序全部打乱，无法阅读。

[Livid]

如果对方还考虑 SEO 的话，把 UA 伪装成百度看看能不能拿到不同的输出。

[raincious]

截图OCR转换。

[jjplay]

国人都是人才...

[Evance]

如果生成的算法在后端，那么通过字符串处理的办法，很大情况情况无解，通过 @raincious 所说的办法比较有效。
如果算法在前端，找到生成脚本修改处理的算法函数即可。

[hq5261984]

chrome浏览器 粘帖为纯文本。
然后自己再排版。

[bengtuo]

只要能看到正确的内容 便是可以破的

[FrankFang128]

好办法。 对付copy者很管用。

[FrankFang128]

@bengtuo 中文OCR识别度太烂，所以楼主说的这种暂时无解，我觉得。

[Mutoo]

其实也不是没办法，可以把每个字的位置信息提取出来，然后做一个二维链表把它们重新排序。就像古代印刷术那样，最后得到文字内容。

提取位置的方法有很多，这里我弄了个示例
http://jsfiddle.net/mutoo/w5KJz/

[casparchen]

他怎么处理的，你就逆处理呗。比如他是按原文本行列号生成表格坐标，那只需将坐标转换成行列号再拼凑字符串即可

[icedx]

@FrankFang128 没有识别不出来的文字 只有识别不出文字的软件

[jinwyp]

我觉得,有了canvas, 以后内容可以直接用canvas输出, 很难复制

[yangff]

@jinwyp 前端绘制都可以做，大不了自己编译个chrome把freetype的接口暴露出来，直接服务端下发图片就行了，只能ORC。

[x86]

贴个地址出来

[raincious]

@FrankFang128 False。就算建立自己的字图索引，网页截图那么高精度的采样，识别这个，没有任何问题。

[zxp]

关键是上面只是这个网站页面的一种情况，最纠结的就是表格还有嵌套，所以要写个机器人来自动抓内容面临的困难太大了，网站内容的自动生成的算法也很让人困扰，最后只能怀疑网站是全人工手动制作的，只能佩服站长为了防复制的巨大毅力了。。。

[Mutoo]

@zxp 建立字符位置信息可以无视嵌套。位置是相对于网页边界的。

[zxp]

@Mutoo 啊，很对，很好的思路！

[zxp]

内容生成的算法其实之前也想过一些，比较靠谱的是先生成表格的布局，对每个格子进行编号，然后对格子排序，把文字内容按顺序填写进去，相对抓取的难度应该要小一些。

[hsu]

@Mutoo 赞一个。