夜雨聆风申请过软著的朋友都知道，登记的时候要交一份源程序鉴别材料。这份材料的要求还挺细的，前后要各连续 30 页，每页不能少于 50 行，页眉上得标注软件全称和版本号。第一页必须是程序的开头，最后一页必须是程序的结尾。这些格式上一处不对，就可能被退回来补正，来回折腾，时间都耗在这上面了。
手工整理这份材料，就算做得熟练，没几个小时也下不来。网上倒是有一些在线生成工具，但用它们得把整个项目的源码传上去，说实话，很多人不敢这么干。
最近发现一个开源项目 CodeSucker，就是干这件事的。它是个装在电脑上的本地工具，代码不出本机，整理完直接导出一份排好版的 Word 文档，下面详细聊聊。
CodeSucker 是什么
CodeSucker 是一个开源的软著代码抽取工具，桌面应用，支持 macOS 和 Windows，Apache-2.0 协议，完全免费。
用法很直接，把项目文件夹拖进去就行。它会把代码扫一遍，清掉注释和空行，然后按软著申报的格式要求自动截取分页，最后给你导出一份 60 页的 docx 文档。页眉页码这些都是排好的，另外还会附带一份 txt 备查。
这个项目出来的时间还不长，Star 数也不算多。不过我翻了下更新记录，作者基本每隔几天就发一版，修的东西都很细，不是那种丢上去就不管的仓库。
功能详情
项目导入：文件夹拖进去，目录树里勾选文件
导入就是拖文件夹，很简单。拖进去之后它会递归扫描整个项目，然后用真实的目录树展示出来，目录和文件都可以勾选。想偷懒的话也有全选、清空、反选这几个按钮。
文件多的项目，可以用关键字实时筛选，按目录名、文件名或者相对路径都能搜。界面右边还有文件类型的构成统计，可以按代码行或者文件数来看占比。
举个例子，你的项目里混了一堆前端文件，但只想交 Java 代码，那就可以按后缀一键只保留 .java 文件参与导出，这个功能我觉得挺实用。
扫描排除规则可以自己在设置页里维护，默认还会叠加项目里的 .gitignore，所以像 node_modules 这种目录根本不会被扫进来。如果项目文件在外面改过了，点一下重新扫描就行，之前填的配置不会丢。
代码清洗：删注释、删空行，还能自动脱敏
清洗这一步干的事不复杂，删注释、删空行、把 Tab 转成空格，太长的行会自动折断。支持的后缀有 30 多种，常见的语言基本都覆盖了，Java、Python、Go、JS、TS、C、C++、PHP、Vue、SQL 这些都在里面。
删注释这块它做得比较认真，是逐字符去认代码的，不是简单匹配符号。比如代码里写了个 "https://..." 这样的地址，里面的 // 不会被当成注释误删，很多简单工具就在这种地方出错。
另外它还会自动脱敏，代码里写的 API 密钥、密码、内网 IP、手机号这些，都会被替换成占位符再导出。也就是说交出去的材料里不会带这些敏感信息，这一点考虑得挺周到的。
截取分页：自动取前1500行加后1500行，凑成标准60页
软著材料要求前后各 30 页，这个工具是这么处理的：代码超过 3000 行，就自动截取前 1500 行，再加上后 1500 行。每 50 行它会打一个显式的分页符，不靠排版去硬凑页数，所以每页的行数是实打实够的。
第一页固定从入选文件的开头开始，第 60 页固定以最后一个文件的结尾收束。这样正好对上那个要求，首页是程序开头，末页是程序结尾。
分页预览那一步做得像 A4 纸一样，60 页都有缩略图，可以一页页翻着看。前后两段的分界也标出来了，导出之前检查起来很方便。
导出：docx 带页眉页码，另附一份 txt
导出的是标准 docx 文档。页眉会自动写入软件全称加版本号，右上角自动编页码，正文是宋体 10.5pt 加固定行距。这套格式就是照着申报材料的要求来的，导出来基本不用再自己调排版。
除了 docx，还会生成一份 txt，留着备查用。
导出前校验：先帮你过一遍审查
我觉得这一点是它比普通拼接工具强的地方，导出之前，它会自动跑一遍风险校验，查的东西还挺全，有效内容够不够、每页行数够不够、最后一页有没有满三分之二、页眉信息对不对，这些都会查。它还会全文扫 @author 和 Copyright 这类署名信息，如果代码里留的署名和申报的著作权人对不上，会标出来提醒你。
校验跑完会给出三种结论：通过、警告，或者退回风险，有问题的文件可以直接点击定位到项目里的源文件，改完重新生成就行。
完全离线：代码不出本机
最后单独说下这点，从扫描代码开始，到清洗、排版、导出，整个过程没有任何网络请求，源代码不会离开你的电脑。它唯一联网的地方是启动的时候查一下 GitHub 上有没有新版本，只拿公开的版本号，不会上传任何项目内容。
对很多公司来说，这一条就决定了能不能用。在线工具再方便，源码传出去了，内部规定那关就过不了。
快速开始
去 GitHub Releases 下载对应系统的安装包就行：
• macOS M 系列芯片： CodeSucker-mac-arm64.dmg• macOS Intel： CodeSucker-mac-x64.dmg• Windows x64： CodeSucker-win-x64.exe
每个安装包旁边都有 SHA256 校验文件，下载完可以核对一下。
macOS 用户注意一下，目前的安装包还没做苹果签名和公证，第一次打开可能被系统拦截。遇到这种情况，先去「系统设置 → 隐私与安全性」里选「仍要打开」。如果还是提示已损坏，在终端执行下面两条命令，移除下载隔离标记：
xattr -rd com.apple.quarantine /Applications/CodeSucker.appopen /Applications/CodeSucker.app装好之后就是五步走：
1. 导入项目： 把文件夹拖进去 2. 文件与排序： 勾选要纳入的文件，入口文件可以置顶，顺序可以拖拽调整 3. 清洗与排版： 填软件全称和版本号，开关清洗规则，有实时前后对比 4. 分页预览： A4 仿真翻页检查 5. 校验与导出： 看合规报告，没问题就生成 docx 和 txt
想从源码跑的话也不复杂：
git clone https://github.com/fanbuz/codesucker.gitcd codesuckernpm installnpm run dev安装完成后，页面非常简单，就是一个项目导入：
适合什么人用
个人开发者给自己的软件申请软著，这是最常见的场景，自己整理一次材料的时间，拿来写代码都能写半天了。
公司里批量申报的更适合，有些公司一年要申报好几项软著，每份材料的格式要求都一样，这种重复劳动交给工具走流程，能省不少事。
还有一种情况，代码涉及商业项目，不能上传到任何在线服务，这个工具全程离线，刚好满足这个前提。
最后聊聊
这个工具解决的问题很实用，软著材料的格式要求是死的，手工整理纯粹是体力活，整理完还容易被退回来返工。CodeSucker 把这套规则直接内置成了流程，导出的文档按它的说法可以当申报材料的准备稿。当然，最终还是要以登记机构的要求为准，提交之前最好再对照最新的规定核一遍。
全离线是我最看重的地方，市面上不是没同类工具，但大多是在线的，把整套源码交给一个陌生网站，这个风险多数人不愿意承担。本地跑就没这个顾虑了，而且它连注释剥离、敏感信息脱敏这种细节都做了，能看出来是认真研究过申报材料那些坑的，不是简单把代码拼起来凑页数。
项目现在还很年轻，看作者的规划，后面还有 Linux 安装包、命令行版本、用户手册模板生成这些东西要做。如果你最近正好要申报软著，可以装一个试试，反正免费。
开源地址
https://github.com/fanbuz/codesucker
这个公众号长期分享实用开源项目。如果你不想逐篇翻阅历史文章，可以直接关注微信公众号“极客之家”，通过后台留言与我们互动交流。
