网页爬取MTL文本溯源、内容追踪及加密EPUB相关技术问询

注意：爬取付费订阅制网文平台的内容并进行分享的行为，侵犯了平台及作者的版权，属于违规甚至违法行为，不建议实施。

问题1：爬取平台章节转MTL后分享，能否追踪上传者或分享时间？ #

• 单纯从MTL文件本身来看，Google Translate等工具不会主动记录上传者身份或上传时间，除非上传者自身在文件中留下了可追踪痕迹（比如文件名包含个人信息、文件属性中的创建/修改时间）。
• 如果原平台在内容中嵌入了隐性水印（比如特定不可见字符组合、细微的文本特征差异），这些特征可能在机器翻译后仍有残留；再结合上传者的行为轨迹（如上传时的IP、使用的账号信息），平台有可能通过多维度关联追溯到上传者。但MTL工具本身不会提供追踪数据。

问题2：仅复制时可见的隐藏内容实现原理，及文本中如何实现追踪？ #

隐藏内容实现原理 #

常见的几种技术手段：

• CSS控制渲染与复制差异：给隐藏内容设置display: none或移出可视区域，但通过CSS规则让内容在复制时被包含（比如调整user-select属性、利用伪元素配合复制事件）。
• 嵌入不可见Unicode字符：在文本中插入零宽空格（U+200B）、零宽连字符（U+200C）等不可见字符，这些字符在页面上不显示，但复制粘贴时会被带出，从而显示预设的引导内容。
• JavaScript监听复制事件：当用户触发复制操作时，通过JS动态修改剪贴板内容，将隐藏的引导信息追加到复制的文本中，页面本身不显示该内容。

文本中的追踪实现（区别于JWT） #

JWT是在网站端通过HTTP请求传递用户身份，而文本追踪靠的是隐性水印技术：

• 个性化文本特征：给每个用户展示的内容加入细微差异（比如特定位置的同义词替换、专属的不可见字符序列），这些差异对应唯一的用户标识，一旦内容被分享，平台可通过识别特征追溯来源。
• 数字水印编码：将用户ID等信息编码为文本中的隐性特征（如字符频率分布、特定位置的字符修改），即使经过格式转换或翻译，部分特征仍可被识别提取。

附加疑问：转换为加密EPUB能否破解追踪机制？ #

不一定。如果加密EPUB仅对文件容器加密，解密后的文本仍保留原有的隐性水印（如不可见字符、特征序列），那么追踪机制依然有效；但如果加密过程中对内容进行了重新编码、修改了水印特征，或者用户解密后手动去除了水印，才可能破解该机制。加密EPUB本身不直接破解追踪，核心取决于水印的嵌入强度和加密对内容的影响。

内容的提问来源于stack exchange，提问作者nlyxi