《帝国cms采集图文教程（下）》.doc

帝国cms采集图文教程(下)前两讲我们分别介绍了帝国cms采集基本流程和帝国cms如何采集内容分页,最后这一讲主要介绍帝国cms采集过滤与替换,还有些技巧。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:“<divstyle="clear:both;height:0;visibility:hiddden;overflow:hidden;">&nbsp;</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