如何精通DedeCMS采集中的过滤与替换技巧？

未希 • 2024-10-11 18:13 • 常见问答 • 阅读 2

DedeCMS采集教程中，过滤替换的技巧包括使用正则表达式匹配特定内容，然后通过替换函数进行相应处理。

DedeCMS采集教程：过滤替换的技巧

1. 采集去除链接

在DedeCMS中，可以使用正则表达式来去除超链接，以下是常用的代码示例：

{dede:trim}<a ([^>]*)>([^<]*)</a>{/dede:trim}

这种方法可以去掉链接标签及其内容，但有时可能会影响文章的完整性，为了只去掉链接而保留文字，可以使用以下方法：

{dede:trim}<a([^>]*)>{/dede:trim}
{dede:trim}</a>{/dede:trim}

这两条规则分别用于去掉链接的开始和结束部分，从而只保留中间的文字内容。

2. 修改标题长度限制

DedeCMS默认的标题长度为30个字符，如果需要突破这个限制，可以修改inc_arcpart_view.php文件，找到该文件中的第291行：

if($titlelen=="") $titlelen = 30;

将其修改为：

if($titlelen=="") $titlelen = 60;

这样就可以将标题长度扩展到60个字符，可以在模板中使用如下调用方式：

{dede:channelArtlist typeid='0' col=1 tablewidth='100%'}
{dede:arclist row="10"}
[field:title function="cn_substr('@me',38)" /]
{/dede:arclist}
{/dede:channelArtlist}

3. 过滤div和其他HTML标签

过滤div标签是为了避免页面错位的问题，可以使用以下代码：

{dede:trim}]*)>{/dede:trim}
{dede:trim}
{/dede:trim}

同样的方法也可以应用于其他HTML标签，例如script、style等：

{dede:trim}]*)>([^<]*){/dede:trim}

4. 使用万能过滤代码

DedeCMS提供了一系列万能过滤代码，可以应对不同的需求，以下是一些常用的正则表达式标签：

{/dede:trim}

功能
`{dede:trim}{/dede:trim}`	过滤table中的tbody
`{dede:trim}`
过滤table中的tbody结束标签
`{dede:trim}{/dede:trim}`	过滤整个table
`{dede:trim}`

{/dede:trim} 过滤整个table结束标签{dede:trim}{/dede:trim} 过滤table中的tr{dede:trim}

{/dede:trim} 过滤table中的tr结束标签{dede:trim}{/dede:trim} 过滤table中的td{dede:trim}

{/dede:trim} 过滤table中的td结束标签{dede:trim}{/dede:trim} 过滤字体样式{dede:trim}{/dede:trim} 过滤字体样式结束标签{dede:trim}{/dede:trim} 过滤超链接{dede:trim}{/dede:trim} 过滤超链接结束标签{dede:trim}{/dede:trim} 过滤object标签中的param{dede:trim}{/dede:trim} 过滤object标签中的param结束标签{dede:trim}{/dede:trim} 过滤embed标签{dede:trim}{/dede:trim} 过滤object标签{dede:trim}{/dede:trim} 过滤iframe标签{dede:trim}

{/dede:trim} 过滤form表单{dede:trim}{/dede:trim} 过滤input输入框{dede:trim}{/dede:trim} 过滤脚本{dede:trim}

{/dede:trim} 过滤样式{dede:trim}{/dede:trim} 过滤HTML注释

这些万能过滤代码可以根据具体需求进行调整和应用，确保采集的内容符合预期格式。

5. 内容的替换

有时候需要对采集到的内容进行简单替换，可以使用以下方法：

{dede:trim replace='替换后的词语'}要替换的词语{/dede:trim}

这种方式可以将指定的词语替换为所需的内容，提高采集结果的准确性和可用性。

FAQs（常见问题解答）

Q1: 如何让标题长度超过60个字符？

A1: 如果需要进一步扩展标题长度，可以继续修改inc_arcpart_view.php文件中的相应代码，将$titlelen的值增加到所需的长度。

Q2: 如何在采集过程中保留图片地址但不下载图片？

A2: 可以在自定义处理接口中使用如下代码：

@me = str_replace('src="str1','src="str2',@me);

这样可以将所有src1替换为src2，实现地址替换而不下载图片。

序号	技巧名称	描述	应用场景
1	内容过滤	通过正则表达式或自定义函数过滤掉不需要的内容，如广告、HTML标签等。	用于去除网页中无关或不需要的信息，提高采集内容的纯净度。
2	内容替换	将采集到的内容中的特定字符或字符串替换成目标字符串。	用于修改内容格式，如将特殊字符替换成空格、统一编码等。
3	字符串匹配	使用正则表达式匹配特定内容，提取所需信息。	从大量数据中快速找到所需信息，如文章标题、作者、摘要等。
4	字符串截取	从字符串中提取指定长度的子串。	用于获取文章摘要、作者信息等。
5	字符串拼接	将多个字符串拼接成一个完整的字符串。	将分散的内容整合在一起，形成完整的文章或信息。
6	编码转换	将采集到的内容进行编码转换，如将UTF8编码转换为GB2312编码。	解决不同编码格式之间的兼容性问题。
7	标签处理	对采集到的内容中的HTML标签进行处理，如去除、替换或修改标签属性。	优化内容格式，提高网页展示效果。
8	图片处理	对采集到的图片进行处理，如压缩、调整大小、添加水印等。	优化图片质量，提高用户体验。
9	数据校验	对采集到的数据进行校验，确保数据的准确性和完整性。	避免错误数据影响内容质量。
10	数据排序	对采集到的数据进行排序，如按时间、类别、权重等排序。	优化内容展示，提高用户体验。