dedecms采集过滤规则 及替换规则

　　[Copy to clipboard]CODE:
　　{dede:trim}]*)>([^<]*){/dede:trim}
　　--------------------------------------------------------
　　让field:title 标题突破30这个长度，修改代码的方法
　　找到./include/inc_arcpart_view.php
　　行291 :
　　if($titlelen=="") $titlelen = 30;
　　修改为
　　if($titlelen=="") $titlelen = 60;
　　就可以了，然后，你可以这样调用了
　　{dede:channelArtlist typeid='0' col=1 tablewidth='100%'}
　　{dede:arclist row="10"}
　　[field:title function="cn_substr('@me',38)" /]
　　{/dede:arclist}
　　{/dede:channelArtlist}
　　把这个延伸一下:关于inc_arcpart_view.php
　　function GetArcList($typeid=0,$row=10,$col=1,$titlelen=30,$infolen=160,$imgwidth=120,$imgheight=90,$listtype="all",$orderby="default",$keyword="",$innertext="",$tablewidth="100",$arcid=0,$idlist="")
　　这里的参数都可以更改你实际需要的模板元素尺寸大小.

　　2. 采集过虑中去掉链接保留文字的方法!
　　柏老大的方法是{dede:trim}<a ([^>]*)>([^<]*)</a>{/dede:trim}
　　这样做会去掉<a hf.......>与</a>之间的字符!这样整个文章就少了部分字符,不完整了!
　　后来我多次测试,总算找到了正确的使用方法!如下:
　　{dede:trim}<a([^>]*)>{/dede:trim}
　　{dede:trim}</a>{/dede:trim}
　　做成两条采集规则就可以了!
　　
　　在实际使用中好像([^<]*)([^>]*)两条一起使用才行!
　　
　　3. 过滤div
　　{dede:trim}]*)>{/dede:trim}
　　{dede:trim}
　　{/dede:trim}

　　过滤js
　　{dede:trim}]*)>([^<]*){/dede:trim}
　
　　过滤未知变量字符
　　固定(.*)固定
　　
　　4.dede万能过滤代码
　　
　　以下是常用的正则表达式标签
　　{dede:trim}<tbody(.*)>{/dede:trim}
　　{dede:trim}</tbody>{/dede:trim}
　　{dede:trim}<table(.*)>{/dede:trim}
　　{dede:trim}</table>{/dede:trim}
　　{dede:trim}<tr(.*)>{/dede:trim}
　　{dede:trim}</tr>{/dede:trim}
　　{dede:trim}<td(.*)>{/dede:trim}
　　{dede:trim}</td>{/dede:trim}
　　{dede:trim}<font(.*)>{/dede:trim}
　　{dede:trim}</font>{/dede:trim}
　　{dede:trim}<a(.*)>{/dede:trim}
　　{dede:trim}</a>{/dede:trim}
　　{dede:trim}<param(.*)>{/dede:trim}
　　{dede:trim}<embed(.*)</embed>{/dede:trim}
　　{dede:trim}<object(.*)</object>{/dede:trim}
　　{dede:trim}<iframe(.*)</iframe>{/dede:trim}
　　{dede:trim}<form(.*)</form>{/dede:trim}
　　{dede:trim}<input(.*)>{/dede:trim}
　　{dede:trim}<script(.*)</script>{/dede:trim}
　　{dede:trim}<style(.*)</style>{/dede:trim}
　　{dede:trim}<!--(.*)-->{/dede:trim}

　　以下为不常用的正则表达式标签
　　{dede:trim}<div(.*)>{/dede:trim}
　　{dede:trim}</div>{/dede:trim}
　　{dede:trim}<center(.*)>{/dede:trim}
　　{dede:trim}</center>{/dede:trim}
　　{dede:trim}<p(.*)>{/dede:trim}
　　{dede:trim}</p>{/dede:trim}
　　{dede:trim}<span(.*)>{dede:trim}
　　{dede:trim}</span>{dede:trim}
　　{dede:trim}<img(.*)>{/dede:trim}
　　
///////////////////////////////////////////////
　　
5.织梦标题不全,鼠标指向显示全部的代码:
{dede:arclist titlelen=’100′}

[field:title function=' ( strlen("@me")>40 ? cn_substr("@me",40): "@me" ) '/]
{/dede:arclist}

6.dede/inc/inc_archives_functions.php第100行(flash频道远程flash本地化的BUG)
$cfg_uploaddir = $GLOBALS['media_dir'];
修改成
$cfg_uploaddir = $GLOBALS['cfg_other_medias'];

6.发布时间，来源，作者可以通过@me函数实现，如：在自定义处理接口：处输入   @me = “Azure·【博】” 就表示来源为“Azure·【博】”
7.内容的替换：在所采集的文章内容中有多媒体，使用的是相对路径，采集的时候又不想下载，最好的办法就是将地址替换成媒体的实际地址。可以这样实现，在文章内容规则部分的自定义处理接口：处输入@me=str_replace(‘src=”str1′,’src=”str2′,@me);
这样采集出来的文章中的所有的str1就被替换成str2！

比如：采集替换函数
@me=str_replace(‘舒格尔’,'www.shugeer.com’,@me);

再补充一点   过滤规则

{dede:trim replace=”"}<a([^>]*)>(.*)</a>{/dede:trim}
{dede:trim replace=”"}<script([^>]*)>(.*)</script>{/dede:trim}
{dede:trim replace=”"}<!–(.*)–>{/dede:trim}
{dede:trim replace=”"}<table([^>]*)>(.*)</table>{/dede:trim}
{dede:trim replace=”"}<object([^>]*)>(.*)</object>{/dede:trim}
{dede:trim replace=”"}<iframe([^>]*)>(.*)</iframe>{/dede:trim}
{dede:trim replace=”"}<strong>经典论坛交流</strong>：<br>{/dede:trim}
{dede:trim replace=”"}◎进入论坛、版块参加讨论，我还想。{/dede:trim}
{dede:trim replace=”"}责任编辑：{/dede:trim}
{dede:trim replace=”"}出处：{/dede:trim}
{dede:trim replace=”"}本文链接：{/dede:trim}
{dede:trim replace=”"}<span([^>]*)>(.*)</span>{/dede:trim}
这些是过滤的规则   下面是替换的规则

比如 要采集的文章里出现网址 www.shugeer.com     如果你想替换成 www.52listen.com   那替换这个网址的规则就是
{dede:trim replace=”www.52listen.com”}www.shugeer.com{/dede:trim}
这只是替换 的方法 替换文字也可以 什么都行   可以替换多个规则

DedeCMS 采集技巧之指定文章来源

许多朋友在采集的时候会遇到这样的问题，一些网站上的文章来源里会出现两个甚至多个来源媒体，这样就很不容易写文章来源的匹配规则，而且许多来源都是有链接的，这样又增加了写匹配规则的难度，在这种情况下，我们很有必要为所有的采集文章指定一个固定的文章来源
具体方法如下：

在采集规则写好后，点击“更改配置”，在字段配置可以找到这段代码：
{dede:item field='source' value='' isunit='' isdown=''}
{dede:match}{/dede:match}
{dede:trim}<a([^>]*)>{/dede:trim}
{dede:trim}</a>{/dede:trim}
{dede:function}{/dede:function}
{/dede:item}

在这里我们可以给source的value附一个值，比如"织梦论坛"，修改后的代码如下：
{dede:item field='source' value='织梦论坛' isunit='' isdown=''}
{dede:match}{/dede:match}
{dede:trim}<a([^>]*)>{/dede:trim}
{dede:trim}</a>{/dede:trim}
{dede:function}{/dede:function}
{/dede:item}

这样修改，就可以将所有采集到的文章的来源固定为“织梦论坛”了。

但是有些朋友还有些特殊的要求，需要为这个来源添加一个链接，还是很简单的，只需把value的值改成
<a href="http://bbs.dedecms.com">织梦论坛</a>

但是在默认的情况下，文章内容页中的文章来源是不会显示的，因为数据库中对source的长度做了限制，只要进入数据库中找到表dede_archives 修改source的长度就可以了

采集数据导入完成后，找到采集-批量维护-自动摘要/分页，然后[开始执行]就可以自动采集文章摘要了，最后更新一下HTML就OK 了

来自 http://blog.sina.com.cn/s/blog_6d2b3e4901013298.html

 

织梦采集规则中过滤与替换规则不要的内容

虽然现在大家都使用了火车头来采集数据，但也还有一些朋友使用dedecms自带的功能来采集数据，下面我把我在采集规则中过滤与替换规则的代码分享一下。

利用模块我们只要这样

下面我们来看看

织梦DEDECMS采集过程中经常用到的DEDE采集过滤规则