采集替换规则教程之基本的过滤与修改部分代码

admin · 发表于 2016-3-24 05:37:39

本规则适用本站有替换规则的程序
教程案例：http://demo301.phpcaiji.com
目标站点：http://baike.so.com

重要！重要！重要！以下内容请登录观看，有图文讲解。

本次讲解图中的常见的四个位置

开始之前先看下基本的替换规则：

格式：原内容[to]新内容，多个用[and]隔开。但不要以[and]开头或结尾。
原内容可以用通配符(.*)代表两字符串中间的所有字符。注意元素间的闭合。
也可以用来设置近义词替换或伪原创，如：寂寞[to]孤独[and]勤奋[to]勤劳
新内容可以为空，代表删除的意思。[and]之前可以用回车换行。
原则上如果多个元素一样，先替换里层，之后再替换外层。

1.去除头部多余部分

本文使用360极速浏览器（部分浏览器没有审查元素功能）

首先右击需要更改的位置，选择审查元素，鼠标移动到相应的代码上，会标注是否是你要修改的代码，找到相应的代码，再进行替换操作。

上图中我们先替换蓝色框的代码，再紫色框，最后是红色框。
先删除蓝色框内容：<div id="g-hd-nav">(.*)</div>[to]
复制代码
再删除紫色框内容：<div id="g-hd-inner">(.*)</div>[to]
复制代码
最后删除红色框内容：<div id="g-hd">(.*)</div>[to]
复制代码
到这里你可能会问，为什么不直接删除红色框里的内容，而要分三步呢？
因为直接用<div id="g-hd">(.*)</div>[to]那么就会剩下两个</div></div>没有删除掉，div闭合不完整，导致网页错乱。

合并后的完整替换规则如下：
<div id="g-hd-nav">(.*)</div>[to][and]<div id="g-hd-inner">(.*)</div>[to][and]<div id="g-hd">(.*)</div>[to]
复制代码

2.更换LOGO

如上图所示，LOGO代码的CSS样式中调用的外站图片做为LOGO背景，站外的图片我们没法改，那就替换成站内的图片。

<div class="logo fl">(.*)</div>[to]<div class="fl" style="padding-right:30px"><a href="/"><img src="/images/logo.png" alt="你的网站名称"></a></div>

复制代码

规则中，class="logo fl" 改成了class="fl" ，去掉了logo的样式，位置上会变得有点偏，那么用style加上一些样式上的改变，这个视情况适当更改，把文字链接改成本地的图片链接，这样就大功告成了。

3.删除登录注册链接

这个跟头部的规则差不多，只是注意一下，有可能一个div里可能嵌套多个div，一定要按从里到外的顺序来删除干净。规则如下：

<div class="user-item">(.*)</div>[to][and]<div id="J-not-login">(.*)</div>[to][and]<div class="user" id="user_info">(.*)</div>[to][and]<div id="g-hd-tools">(.*)</div>[to]

复制代码

4.修改菜单（广告什么的都可以用这个方法替换）

如图所示<div class=wrap> 这个div层出现多次，如果用这个来替换的话，其他不必要的地方也会跟着被换掉，所以换个方法来实现。图中可以看出只有两个div层，我们只替换到绿色框中的代码即可。

<div id=nav>(.*)</div>[to]

复制代码

规则中也一样少一个</div>，就不会引起网页错乱了。

特别注意：图中的审核元素内显示的是<div id="wrap">，但源代码里显示的是<div id=wrap>，之间少了双引号，审核元素只是方便查看需要替换的位置，请以网页源代码为准，如果只看了审核元素来替换不成功的时候，去查看源代码确定是否有无引号。

如果上面的规则都了解了，其实其他的地方都一个道理，上面讲的是替换或删除div层，只是div比较常用，改成其他元素也一样，比如<title>，<h1><h2>，<ul><li>，<table>，<script>，<body>等等都可以替换，只要是在网页中第一出现的开头和第一次出现的结尾，中间的其他代码用(.*)代替。下面举例一些常用的替换规则：

过滤脚本：<script(.*)</script>[to]

复制代码

删除注释：[to]

复制代码

删除表格：<table(.*)</table>[to]

复制代码

删除嵌套页面：<iframe(.*)</iframe>[to]

复制代码

注意！注意！注意！
1.原内容不能带问号，如果有请用(.*)代替。
2.对方的图片、JS、CSS等，可以下载到本地相应路径进行修改，优先显示本地文件。

由于篇幅有限，未能详细说明的，会继续补充。敬请关注本贴。

001 · 发表于 2016-3-24 08:25:31

又是沙发！前排膜拜

001 · 发表于 2016-3-24 08:30:22

太牛逼了老大辛苦

drloop · 发表于 2016-3-24 08:35:18

学习学习！

kuer007 · 发表于 2016-3-24 13:28:18

牛逼老大辛苦

yihu · 发表于 2016-3-25 08:30:05

学习了多谢老大

kkxx · 发表于 2016-3-25 08:56:40

感谢分享，学习了。

aydr · 发表于 2016-3-25 17:45:38

特别是搜索功能，希望在讲解下。

Google · 发表于 2016-3-27 09:32:47

教程上线了！

001 · 发表于 2016-3-27 10:20:35

很多地方还不懂呢

帐号		自动登录	找回密码
密码			注册

[教程] 采集替换规则教程之基本的过滤与修改部分代码

本帖子中包含更多资源

评分

灌水之王

最佳新人