飞书案例：

1，把网页全屏显示，ctrl+鼠标滚轮，缩放整个网页到最小，尽量把一个屏幕的内容都完整显示出来就行

原因：有的网页里，包含正文内容部分的div源码部分，是动态显示出来的，是根据当前浏览的页面高度才显示文字内容都的

白话讲：就是那文章你看到中间那部分，按F12查看源码，发现源码里只显示正在看的中间这一段的内容，前面后面的内容没有，直到滚动网页内容，源码也跟着在变。

ps：网页内容不多时，缩放到一个屏幕显示完整，这时源码就显示完整 不会动了

2，缩放网页到最小后，按F12，设置开发者面板靠右侧（点左上角那三个点，下图1、2步）

3，点面板左上角的小箭头，鼠标移动到网页正文内容，选中包含正文容部分的源码，右键菜单复制outerHTML，（下图3、4、5、6步）

主要是删除：a-zA-Z/-(<"),=>:;_*~?& 这些字符

1，CV大法，释放剪切板里的屎到文本编辑器， 保存

2，这里用 python 处理，我很懒直接面向cmd操作，这里得到行首有数字的文本

3、如果正文内容行首没有数字编号之类的，则直接用下面的代码删除行首的数字。

如果内容不多，行首有数字编号的，自己微调，手动加上。

如果行首数字批量相同，建议用支持列选的文本编辑器，批量替换

4、行处理，删除每行两个中文字符之间的长数字