如果你曾经申请过软件著作权登记，一定对「源程序鉴别材料」不陌生——前后各连续 30 页、每页不少于 50 行、页眉标注软件全称+版本号……格式细节繁多，一处不合就被退回补正。手工整理一次要花几个小时，而市面上的工具要么只做简单拼接、要么依赖在线服务（代码泄露风险）。
今天介绍的开源项目 CodeSucker，把常见的软件著作权源程序材料规则整理成了一套本地流水线：导入项目 → 五步向导 → 导出文档，并在导出前自动检查页数、行数、页眉和署名等风险，帮助减少手工整理错误与补正概率。
一、项目概览
项目信息详情项目名称CodeSucker（软著代码抽取器）当前版本v0.4.4开源许可证Apache-2.0技术栈Electron 43 + React 18 + TypeScript + Zustand支持平台macOS（Apple Silicon / Intel）、Windows x64GitHub 地址github.com/fanbuz/code…
CodeSucker 的核心定位是：离线扫描本地工程，完成代码清洗、前后段截取、显式分页、风险校验与 docx/txt 导出。目标用户包括需要准备软件著作权源程序鉴别材料的研发人员、行政人员、独立开发者和代理机构。
二、核心功能特性
1. 目录级文件筛选
递归扫描项目并以真实目录树展示，支持目录三态选择（全选/部分选/不选）、全局反选和清空。设置页可维护所有项目共用的默认扫描排除规则，并与项目 .gitignore 独立叠加。
上图：项目文件目录树界面，支持关键字实时筛选、文件排序与类型统计
2. 状态机代码清洗
这是 CodeSucker 的技术亮点之一。它使用逐字符状态机识别注释与字符串边界，而不是简单的正则匹配。这意味着 "https://..." 里的 // 不会被误删为注释。
支持的语言覆盖 30+ 后缀：Java、Kotlin、Python、JavaScript、TypeScript、Go、Rust、C/C++、C#、Swift、PHP、Ruby、Vue、HTML、CSS、SQL 等。
清洗功能包括：
-
删除空行
-
Tab 转空格
-
超长行按 78 列硬折断
-
敏感信息脱敏（API 密钥、密码、内网 IP、手机号自动替换为占位符）
3. 规范化截取分页
-
超 3000 行自动取前 1500 + 后 1500 行
-
第 1 页必为模块开头、第 60 页必为模块结尾
-
每 50 行显式分页符，不靠排版「凑页」
上图：源程序分页预览界面，A4 仿真展示，60 页缩略导航，前后段分界标记清晰可见
4. 一键导出
-
docx：页眉=软件名+版本号、右上角自动页码、宋体 10.5pt 固定行距
-
txt：纯文本备查文件
5. 提交前风险校验
导出前自动检查：
-
有效内容是否存在
-
每页行数是否达标
-
末页是否满 2/3
-
页眉一致性
-
首末页边界是否正确
-
@author/Copyright署名是否与著作权人冲突
给出「通过 / 警告 / 退回风险」三级结论。
6. 源码处理完全离线
扫描、清洗、排版、导出零网络请求，源代码永远不离开本机。版本检测只请求 GitHub 公开的 Release 版本元数据，不会发送项目路径、源码、配置或用户身份数据。
三、内置整理规则对照
CodeSucker 把软著申报的规范要求直接内置为处理逻辑：
规范要求CodeSucker 的实现前、后各连续 30 页，共 60 页超 3000 行自动截取前 1500 + 后 1500 行每页不少于 50 行内存中按 50 行切块 + 显式分页符，逐页保证页眉标注软件全称+版本号导出时写入页眉，未含版本号会在校验中警告页码 1-60 连续docx PAGE 域自动编号第 1 页为程序开头、第 60 页为结尾截取策略从首文件首行起、至末文件末行止无空行、注释不凑页清洗阶段删除（可关闭）末页至少满 2/3校验器检查并提示署名与著作权人一致全文扫描 @author/Copyright 并比对
依据：《计算机软件著作权登记办法》及中国版权保护中心公开审查口径。本工具不构成法律建议，最终以登记机构要求为准。
关于离线：这是底线
扫描、读取、清洗、校验、导出，每一步都在你本机。CodeSucker 没有"账号体系"，没有"项目云端备份"，连自动更新都只查 GitHub Release 的元数据。没有任何代码会传到任何服务器。
欢迎加微信索源码交流
软著申报这件事，本来就不该这么难。
