还要避开带可变参数的标记，比如有的标签后面带随机id，比如
1.2 调整内容过滤规则的优先级
很多人喜欢加一堆过滤规则，删广告、删无关内容，但搞反了顺序就会把正文也滤掉。你要先写保留内容的规则，再写删除无关内容的规则。
比如你要先把正文从整个页面里截出来，再过滤正文里的广告标签，别上来就全页过滤，很容易把正文的开头或者结尾给误删了。
避坑提醒：别用太宽泛的过滤关键词，比如你直接过滤“div”标签，那正文里嵌套的div内容全都会被删掉，要加具体的class或者id属性再过滤。
2 调整phpcms自带的采集配置参数
要是规则没问题，那大概率是系统默认配置限制了采集内容。
2.1 改大采集内容的长度限制
phpcms默认的采集内容长度是2M，要是你采的正文很长，带很多图片，超过这个长度就会被自动截断，看起来就是缺了后半段。
改的方法很简单，找到phpcms根目录下的caches/configs/system.php文件，找到对应的配置项修改就行：
``` // 原默认配置 'colletion_content_maxsize' => 2097152, // 修改为10M，足够99%的内容场景 'colletion_content_maxsize' => 10485760, ```
还要记得改php.ini里的post_max_size和upload_max_filesize，两个都改到10M以上，不然服务器层面就会给你截断内容。
2.2 关闭不需要的自动过滤功能
phpcms默认会自动过滤script、iframe等标签，要是你采的内容里有嵌入的视频、特殊样式，也会被删掉。
你可以找到phpcms/modules/collection/collection.class.php文件，搜索“allow_tags”相关的代码，把你不需要过滤的标签加到允许列表里。比如你要保留video标签，就在数组里加上'video','source'这两个标签，采集的时候就不会被删掉了。
避坑提醒：改完代码记得清一下后台缓存，不然改了也不生效，我之前就踩过这个坑，改了半小时代码没效果，清完缓存立刻就好。
3 解决目标站点反爬导致的内容缺失
要是前两步都没问题，那就是目标站点防采集，给你返回了不完整的内容。
3.1 给采集加伪装请求头
现在很多站点会防采集，要是你请求的时候没有正常的浏览器头，就会返回半页内容或者空白页。
你在phpcms的采集规则里，找到“高级设置”，把user-agent改成正常的浏览器标识，比如：
``` Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36 ```还要加上referer字段，填目标站点的首页地址，伪装成从目标站点自己的页面点进来的，通过率会高很多。
3.2 调慢采集的间隔时间
你要是采集频率太快，目标站点的防火墙会直接给你返回错误页，你采到的内容自然是错的。
你在采集规则的高级设置里，把采集间隔改成3秒以上，要是目标站点反爬严，就改成5到10秒，别为了快把自己的ip给封了，反而更麻烦。要是你采的内容很多，可以换用代理ip池，每个请求换个ip，基本不会被封。
其实phpcms采集缺内容，大多都是这三类问题，你按我给的顺序排查就行，先查规则，再改系统配置，最后处理反爬，基本都能搞定。
现在你就打开自己的phpcms后台，找最近采集失败的那篇内容，对着第一步先查规则的起止标记，大概率十分钟就能解决问题。要是还有搞不定的，你可以把具体情况留在评论区，我看到了都会回。
