什么是“万能过滤”？
“万能过滤”是织梦DedeCMS内容模型中的一个功能，主要用于在内容发布或采集入库时，对文章的、摘要等字段进行一系列的自动化处理。
（图片来源网络，侵删）
它的核心作用是：自动化地“清洗”和“规范”内容，去除不需要的元素，统一格式，提升用户体验，并利于SEO。
主要应用场景：
- 采集后处理：这是最常用的场景，从其他网站采集来的内容通常带有大量无关信息，如版权声明、广告、无关链接、原文来源等，万能过滤可以一键清除这些。
- 用户投稿/前台发布：规范用户提交的内容，去除恶意代码、无关标签，保持网站风格统一。
- 批量处理旧内容：对网站已有的文章进行批量格式化处理，统一风格。
万能过滤在哪里设置？
万能过滤的设置位置与你使用的内容模型密切相关。
-
采集时设置：
（图片来源网络，侵删）- 进入“采集” -> “一键采集”或“自定义采集”。
- 在设置采集规则的最后一步,有一个“万能过滤”的选项卡，这里的过滤规则仅对本次采集有效。
-
内容模型中设置（推荐）：
- 这是更常用、更强大的方式，设置一次，适用于所有通过该模型发布的内容（包括采集、后台发布、前台投稿等）。
- 进入“核心” -> “内容模型管理”。
- 点击你想要修改的模型（通常是“文章”模型），进入“字段管理”。
- 找到你需要过滤的字段,如
title(标题)、body(文章内容)、description(。 - 在该字段的“万能过滤”文本框中，填写你的过滤规则。
万能过滤的核心功能与规则详解
万能过滤主要包含三大类功能：替换、移除、正则表达式，你可以组合使用它们。
基础替换
这是最简单的功能,用新内容替换旧内容。
- 格式：
|新内容 - 示例：
织梦cms|DedeCMS：将文章中所有的“织梦cms”替换为“DedeCMS”。来源：织梦家园|：将“来源：织梦家园”整个字符串替换为空（即删除）。
移除标签/内容
用于删除特定的HTML标签或标签内的所有内容。
- 格式：
<标签名> - 示例：
<script>：删除所有<script>及其内部的JavaScript代码。<iframe>：删除所有<iframe>嵌入的框架。<div class="ad">...</div>：特别注意，这个格式是错误的，它只会删除<div class="ad">这个开始标签，而不会删除整个块，要删除整个块，必须使用正则表达式（见下文）。
移除特定属性
用于删除HTML标签中的某个特定属性,比如超链接的 target="_blank" 或图片的 style 属性。
- 格式：
<标签名|属性名> - 示例：
<a|target>：删除所有<a>标签中的target属性。<img|style>：删除所有<img>标签中的style属性，防止图片被CSS撑大或变形。<p|class>：删除所有<p>标签中的class属性。
强大的正则表达式过滤
这是万能过滤的精髓,可以实现极其复杂的匹配和替换。强烈建议使用Notepad++等支持正则的工具进行测试，再填入织梦。
- 格式：
{正则表达式} - 示例：
| 目的 | 正则表达式 | 说明 |
|---|---|---|
| 删除整个特定div块 | {<div id="post_content">.*?</div>} |
匹配并删除从 <div id="post_content"> 到 </div> 之间的所有内容。 是非贪婪匹配，确保只匹配到最近的闭合标签。 |
| 删除所有超链接，但保留文字 | {<a.*?>(.*?)</a>} |
匹配 <a> 和 </a> 之间的所有内容，并将其替换为捕获组 的内容（即链接文字）。 |
| 删除特定class的span | {<span class="author">.*?</span>} |
删除class为"author"的整个span标签及其内容。 |
| 删除文章末尾的版权声明 | {(来源：.*?|转载请注明：.*?|本文链接：.*?)} |
匹配并删除以“来源：”、“转载请注明：”或“本文链接：”开头的任意字符，直到换行。 表示“或”。 |
| 移除图片的宽度和高度属性 | {<img\s+([^>]*?)\s*width="[^"]*"\s+([^>]*?)\s+height="[^"]*"\s*(.*?)>} |
匹配并删除 <img> 标签中的 width 和 height 属性，这个正则比较复杂，但很实用。 |
| 删除HTML注释 | {<!--.*?-->} |
匹配并删除所有 <!-- --> 格式的HTML注释。 |
| 清理多余的空格和换行 | { } |
删除所有不间断空格。{\s+} 可以删除多余的空白字符，但需谨慎使用，可能破坏格式。 |
实战案例：采集小说后如何设置万能过滤？
假设我们从某个网站采集小说,采集到的内容格式如下：
<h1>第一章 开篇</h1>
<p>这是小说的第一段内容。</p>
<p>这是第二段内容。</p>
<div class="ad">
<script>...广告代码...</script>
<a href="ad-link">点击购买</a>
</div>
<p>小说继续，这是第三段内容。</p>
<p class="copyright">本文转载自：XX小说网，作者：张三，原文链接：http://...</p>
<p>小说结尾。</p>
目标：得到干净、只有正文内容的小说章节。
万能过滤规则设置（按顺序填写）：
-
移除广告块：
- 规则：
{<div class="ad">.*?</div>} - 说明：使用正则表达式精确删除整个广告容器。
- 规则：
-
移除所有JavaScript：
- 规则：
<script> - 说明：清除所有脚本标签。
- 规则：
-
移除版权信息：
- 规则：
{<p class="copyright">.*?</p>} - 说明：使用正则删除包含版权信息的特定段落。
- 规则：
-
移除多余的空格和换行（可选）：
- 规则：
- 说明：清理不间断空格。
- 规则：
-
清理图片样式（如果内容中有图片）：
- 规则：
<img|style> - 说明：防止图片样式被篡改。
- 规则：
将变为：
<h1>第一章 开篇</h1> <p>这是小说的第一段内容。</p> <p>这是第二段内容。</p> <p>小说继续，这是第三段内容。</p> <p>小说结尾。</p>
最佳实践与注意事项
- 顺序很重要：过滤规则是按照从上到下的顺序执行的，如果你想先移除
<script>标签，再处理里面的内容，顺序就不能反。 - 测试，再测试：在正式应用到大量数据前，务必在后台发布一篇文章或进行一次小范围采集，检查过滤效果是否符合预期，正则表达式一旦写错，可能导致内容错乱或丢失。
- 模型”：将过滤规则设置在内容模型中，而不是每次采集时都设置，这样可以一劳永逸。
- 备份！备份！备份！：在修改规则，特别是使用复杂的正则表达式前，务必备份你的数据库，以防规则错误导致大量数据损坏。
- 不要过度过滤：不要为了追求“完美”而设置过于激进的规则，这可能会误删正文中的重要部分，保持克制，只清除确定不需要的内容。
- 学习正则表达式：虽然基础替换够用，但真正发挥“万能过滤”威力的是正则表达式，花点时间学习基本的正则语法（
[]）能让你事半功倍。
织梦的“万能过滤”是一个功能强大但需要谨慎使用的工具，它就像是内容的“自动化清洁工”，通过合理组合替换、移除标签、移除属性和正则表达式，你可以高效地处理来自各种渠道的原始内容，让你的网站内容始终保持整洁、规范和专业。
