织梦dedecms采集中用到的一些过滤规则

织梦dedecms的过滤规则写起来不是很难，规则如下：

 

代码示例:

{dede:trim}要过滤的内容{/dede:trim}

 

如果要过滤的内容很简单，完全可以把过滤规则直接写在“{dede:trim}”和“{/dede:trim}”之间。

对于比较复杂的情况，请考虑使用正则，你懂的，正则表达式，那是相当强劲的。

以下是一些过滤规则的例子，供大家参考。

1、采集中去除内容里的超链接：

 

代码示例:

{dede:trim}<a([^>]*)>{/dede:trim}

{dede:trim}</a>{/dede:trim}

 

假如要将所有超链接内容都去除，规则是：

 

代码示例:

{dede:trim}<a([^>]*)>([^<]*)</a>{/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：

<a href="#">超链接</a>

通过第一个规则，采集结果是：超链接

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

 

代码示例:

<script src=’/plus/ad_js.php?aid=4′ language=’javascript’></script>

 

这样的规则只需

 

代码示例:

{dede:trim}<script(.*)>{/dede:trim}

{dede:trim}</script>{/dede:trim}

 

如果某些广告的内容是JS代码写在<script></script>区间里的，例如GG的广告，那么过滤规则应该是：

 

代码示例:

{dede:trim}<script>(.*)</script>{/dede:trim}

3、一些测试过的过滤规则

 

代码示例:

{dede:trim}<!–(.*)–>{/dede:trim}

{dede:trim}<select([^>]*)>([^>]*)</select>{/dede:trim}

{dede:trim}<option([^>]*)>([^>]*)</option>{/dede:trim}

{dede:trim}<select([^>]*)>{/dede:trim}

{dede:trim}</select>{/dede:trim}

{dede:trim}<param([^>]*)>{/dede:trim}

{dede:trim}<embed([^>]*)>([^>]*)</embed>{/dede:trim}

{dede:trim}<embed([^>]*)>{/dede:trim}

{dede:trim}</embed>{/dede:trim}

{dede:trim}<object([^>]*)>([^>]*)</object>{/dede:trim}

{dede:trim}<object([^>]*)>{/dede:trim}

{dede:trim}</object>{/dede:trim}

{dede:trim}<OBJECT([^>]*)>([^>]*)</OBJECT>{/dede:trim}

{dede:trim}<OBJECT([^>]*)>{/dede:trim}

{dede:trim}</OBJECT>{/dede:trim}

{dede:trim}<iframe([^>]*)>([^>]*)</iframe>{/dede:trim}

{dede:trim}<iframe([^>]*)>{/dede:trim}

//by www.jbxue.com//

{dede:trim}</iframe>{/dede:trim}

{dede:trim}<IFRAME([^>]*)>([^>]*)</IFRAME>{/dede:trim}

{dede:trim}<IFRAME([^>]*)>{/dede:trim}

{dede:trim}</IFRAME>{/dede:trim}

{dede:trim}<font([^>]*)>([^<]*)</font>{/dede:trim}

{dede:trim}<font([^>]*)>{/dede:trim}

{dede:trim}</font>{/dede:trim}

{dede:trim}<a([^>]*)>([^<]*)</a>{/dede:trim}

{dede:trim}<a([^>]*)>{/dede:trim}

{dede:trim}</a>{/dede:trim}

{dede:trim}<td([^>]*)>([^>]*)</td>{/dede:trim}

{dede:trim}<td([^>]*)>{/dede:trim}

{dede:trim}</td>{/dede:trim}

{dede:trim}<tr([^>]*)>([^>]*)</tr>{/dede:trim}

{dede:trim}<tr([^>]*)>{/dede:trim}

{dede:trim}</tr>{/dede:trim}

{dede:trim}<tbody([^>]*)>([^>]*)</tbody>{/dede:trim}

{dede:trim}<tbody>{/dede:trim}

{dede:trim}</tbody>{/dede:trim} // 内容来自www.jbxue.com//

{dede:trim}<table([^>]*)>([^>]*)</table>{/dede:trim}

{dede:trim}<table([^>]*)>{/dede:trim}

{dede:trim}</table>{/dede:trim}

{dede:trim}<span([^>]*)>{/dede:trim}

{dede:trim}</span>{/dede:trim}

{dede:trim}</IFRAME>{/dede:trim}

{dede:trim}<script>(.*)</script>{/dede:trim}

{dede:trim}<script(.*)>{/dede:trim}

{dede:trim}</script>{/dede:trim}