前面大鸟详细讲了下帝国7.2后台CMS采集代码采集规则编写教程,这篇文章大鸟主要介绍帝国cms采集过滤与替换,还有些技巧,大鸟记录在这里希望 能帮到需要的站长!
大鸟三篇帝国后台采集教程系列
- 帝国7.2后台CMS采集代码采集规则编写教程
- 帝国7.2后台采集的过滤与替换技巧
- 帝国CMS7.2如何采集内容分页教程
一、过滤
1、帝国cms采集过滤分为两种:
(1)“整体页面过滤正则”:
(2)“过滤广告正则”:
我们有些疑惑,这两种过滤到底有什么区别?“整体页面过滤正则”是过滤整个网页的html代码。“过滤广告正则”是过滤文章内容,仅对文章内容([!--newstext--])起作用。
2、过滤实例:
过滤实例(1):
我们采集后发现信息内容底部多了行代码:“<div style="clear:both;height:0;visibility:hiddden;overflow:hidden;">&bnsp;</div>”,根据格式“广告开始[!--ad--]广告结束”得到“过滤广告正则”:
过滤实例(2):
要过滤链接代码怎么办,注意“过滤广告正则”右边有堆代码:
鼠标先点击A,系统自动生成过滤链接代码“<a[!--ad--]>,</a>,<A[!--ad--]>,</A>”,这样就可以把采集后的内容链接过滤掉了。同理,如果想过滤其他html代码就点击相应的标签代码。
注意事项:当内容分页包含在内容([!--newstext--])里时,要过滤掉内容分页,否则会重复出现内容分页。
二、替换
1、帝国cms采集替换也分为两种:
(1)“整体页面替换”:
(2)“替换”:
他们两种区别:“整体页面替换”是替换整个网页的html代码。“替换”是替换文章标题和内容,仅对标题([!--title--])和([!--newstext--])起作用。
2、替换实例:
我们要把内容里的“新华网”替换成“中华网”:
预览下:
没有问题,替换过来了。
三、图片采集
(1)我们采集时会碰到信息内容可以正常采集,但是里面的图片却不显示,例子:
信息内容可以正常采集,就是图片不显示出来,这是由于内容图片的路径不对,图片的路径为相对地址。
(2)查看源代码:
图片是相对地址,要换成绝对地址才能采集成功。
(3)替换成绝对地址:
先在目标站的图片右键查看属性:
目标站的图片地址为“http://www.5icool.org//”,我们采集所到的图片地址为“/news/PNews/a/e77366_634655073936250000.jpg”,分析得到前缀“http://www.***.com”,我们把前缀放到“图片/FLASH地址前缀(内容)”,如下图:
(4)前台预览图片:
图片显示出来了:
查看源代码:
图片地址没错,是本地地址。
注意事项:我们在采集预览和在本地临时入库信息时,发现已经添加了图片地址前缀了,但是图片还是不显示,出现这个你不用理他,直接入库,入库了系统才会自动添加图片地址前缀。
这个还是很有用的,大鸟就找了那个替换找了好久,但是还有些基础的功能没能一一介绍清楚,大家可以到帝国官方网站看下基础教程。