织梦dedecms系统后台采集规则与替换规则

前期做 网站 上线之初 采集知识 dedecms 采集过滤与替换常用操作:点击 常用规则 ,选择要过滤的代码段,再编辑成我们需要的。 如果会文章简单采集了,接下来就需要过滤掉采集内容中的广告和链接及其它代码。一般的写法是{dede:trim}要过滤的内容{/dede:trim
前期做网站上线之初 采集知识 dedecms采集过滤与替换常用操作:点击“常用规则”,选择要过滤的代码段,再编辑成我们需要的。
如果会文章简单采集了,接下来就需要过滤掉采集内容中的广告和链接及其它代码。一般的写法是{dede:trim}要过滤的内容{/dede:trim}  ,举几个例子:
1,过滤摘要和关键字使用,经常要用到。
{dede:trim replace=''}{/dede:trim}

2,简单替换。
{dede:trim replace='替换后的词语'}要替换的词语{/dede:trim}
采集的内容当然也要求搜索引擎收录,过滤和替换目的是减少重复,进行伪原创,如何具体的操作,就看个人的要求与喜好了。

3,去除超链接,这种最常用。
{dede:trim replace=''}<a([^>]*)>{/dede:trim}
{dede:trim replace=''}</a>{/dede:trim}

如果填成这样,那就把链接的文本也一起去掉了
{dede:trim replace=''}<a([^>]*)>(.*)</a>{/dede:trim}

4,过滤JS调用广告,比如GG的广告,就加个这样的:
{dede:trim replace=''}<script([^>]*)>(.*)</script>{/dede:trim}

5,过滤div标签
这个很重要,如果没过滤干净则可能使发布出来的文章版面错位,目前大多数遇到采集后错位的原因在此。

{dede:trim replace=''}<div([^.]*)>{/dede:trim}
{dede:trim replace=''}</div>{/dede:trim}

有的时候也需要这样子过滤:
{dede:trim replace=''}<div 选择器>(.*)</div>{/dede:trim}
其它的过滤规则可以照以上规律进行推出。
 
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除!

相关文档推荐

楚截图和文字分不清楚,因此用粉色背景来区分。第一步、确定采集的网站(我们以DEDE的官方站做为采集站做示范)第二步、确定被采集站的编码。打开被采集的网页之后,查看源代码(IE:查看-源代码)在之间找到charset这个,后面就显示网页的编码了,截图的是gb2312