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 htm l 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:
帝国cms采集图文教程(下) 来自淘豆网m.daumloan.com转载请标明出处.
