dedecms采集中过滤规则设置教程

这一次我给大家介绍的是dede采集功能的使用,dede的采集功能很受站长们欢迎,但一些刚接触dede的朋友可能会对这个功能感到很陌生。
对于大多数网站来说，现在广告是网站收入的一个重要来源，因此在网页中常会嵌入广告代码。我们在采集的时候，如何将其过滤掉，从而避免了自己帮别人免费挂广告呢？又例如某些文章里面某些关键词有了他们自己网站上的其他文章链接，你是否愿意让你辛苦采集回来的文章里包含了他的链接？这一切，只需简单的过滤规则，即可给你一篇干净的文章。
dede的过滤规则并不难写，其写法如下面
{dede:trim}这里就是要过滤的内容{/dede:trim}
如果你要过滤的内容比较简单的代码，完全可以直接在“{dede:trim}”和“{/dede:trim}”之间写上，如果比较复杂的就要用到正则了。

1、例如采集中去除内容里的超链接的规则如下：
{dede:trim}]*)>{/dede:trim}
{dede:trim}{/dede:trim}
假如要将所有超链接内容都去除，规则是：{dede:trim}]*)>([^<]*){/dede:trim}
这两个规则的不同通过下面代码来解释
例如文章代码中包含着如下内容：超链接
通过第一个规则，我们采集来的结果是：超链接
通过第二个规则，我们采集来的结果是：空白，即是将所有内容都过滤掉了。

2、过滤广告
对于广告来说，过滤规则就得针对html中看到的内容使用规则了，例如某些广告仅仅是引用某个JS文件，例如

这样的规则只需
{dede:trim}{/dede:trim}
如果某些广告的内容是JS代码写在区间里的，例如GG的广告，那么过滤规则应该是：
{dede:trim}{/dede:trim}

3、下面是一些常识用的过滤规则
{dede:trim}{/dede:trim}
{dede:trim}]*)>([^>]*){/dede:trim}
{dede:trim}]*)>([^>]*){/dede:trim}
{dede:trim}]*)>{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}]*)>{/dede:trim}
{dede:trim}]*)>([^>]*){/dede:trim}
{dede:trim}]*)>{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}]*)>([^<]*){/dede:trim}
{dede:trim}]*)>{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}]*)>([^<]*){/dede:trim}
{dede:trim}]*)>{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}]*)>([^>]*){/dede:trim}
{dede:trim}]*)>{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}]*)>([^>]*){/dede:trim}
{dede:trim}]*)>{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}]*)>([^>]*){/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}]*)>([^>]*){/dede:trim}
{dede:trim}]*)>{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}]*)>{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}{/dede:trim}
{dede:trim}{/dede:trim}
———————————?
对于下面这些规则就请慎用
———————————?
{dede:trim}{/dede:trim}
{dede:trim}