zblog采集来源过滤设置全攻略，教你彻底告别垃圾内容

辛辛苦苦采集回来一堆垃圾？这招帮你彻底解决

做站群的朋友都知道，采集是家常便饭。

但是最让人头疼的是什么？

就是你辛辛苦苦配置好了规则。

第二天一看，后台全是垃圾内容。

不是博彩广告，就是乱七八糟的无关链接。

这时候你还得一条条去删。

那种感觉，真的是想砸键盘。

其实，这都是因为你没做好zblog采集来源过滤设置。

这就像是给家里装个纱窗。

没装纱窗，苍蝇蚊子全飞进来了。

装了纱窗，只进新鲜空气。

今天我就手把手教你，怎么把这个“纱窗”装好。

全是实操干货，看完就能用。

保准让你的站点干干净净，收录蹭蹭往上涨。

1. 先把“关键词过滤”设好，拦住明显的垃圾

这是最基础的一道防线。

也是最容易上手的一招。

说白了，就是告诉插件哪些词不能要。

只要标题或者内容里出现这些词，直接扔掉。

（1）列出你的“必删词”清单

你先拿个本子出来。

想一下，你这个行业最讨厌什么词？

比如你是做科技资讯的。

那“代孕”、“博彩”、“私服”、“试药”这些词肯定不能要。

把这些词全部整理出来。

用逗号隔开，整理成一行。

这就是你的黑名单。

（2）填入插件配置框

打开你的Z-Blog采集插件后台。

找到“内容过滤”或者“关键词屏蔽”这一栏。

把你刚才整理的那行词贴进去。

注意看清楚，是标题过滤还是正文过滤。

建议两个地方都填上。

这样更保险。

设置完以后，插件在采集的时候。

只要扫到这些词，就会自动跳过。

连下载都不下载，省时又省力。

避坑提醒：

千万别填太泛的词。

比如你填个“视频”。

结果正常的新闻里也有“视频”两个字。

那好文章也被你误删了。

这种亏我以前吃过不少。

所以一定要用那种针对性极强的词。

2. 用“域名白名单”，只信自己人

有时候你采集的目标站比较杂。

虽然内容看起来不错。

但你只想采其中几个特定网站的内容。

这时候，就要用域名过滤了。

这就像是给门上了锁，只给几个人钥匙。

（1）开启来源域名限制

在插件的高级设置里。

找到“来源限制”或者“URL过滤”选项。

通常会有个开关。

把“只采集指定域名”这个选项勾选上。

勾选以后，规则就变了。

只有符合你要求的链接，才会被抓取。

（2）填入目标域名

比如你想采“新浪科技”和“网易科技”。

那你就把这两个域名填进去。

格式一般是每行一个。

填 `sina.com.cn`。

再填 `163.com`。

保存一下。

这时候插件就像个看门大爷。

只要是这两个网址出来的文章，放行。

其他的乱七八糟的小站，直接拦在门外。

举个例子：

你配置了一个列表页规则。

这个列表页里有很多外链广告。

如果不设域名过滤，广告也会被采回来。

设了之后，不管列表页有多少广告链接。

只要域名不对，统统无视。

3. 上点硬菜：正则表达式精准过滤

听到“正则”两个字。

很多新手朋友可能头都大了。

别怕，咱们不用去学编程。

你只要会“复制粘贴”就行。

正则表达式是用来过滤链接格式的。

威力非常大。

（1）排除带参数的垃圾链接

有些网页链接后面带一大串问号。

比如 `abc.html?id=123&from=ad`。

这种链接，通常都是广告或者统计链接。

内容往往跟正文不一样。

我们怎么过滤它？

在插件的“正则过滤”框里填入：

```

\?.=.

```

这行代码的意思是：

只要链接里出现问号，后面还跟了东西，就不要。

这一招，能帮你干掉一半以上的无效链接。

（2）只采集特定ID的文章

有些网站的链接很有规律。

比如文章页都是 `/article/数字.html`。

但是列表页里混了很多 `/tag/标签.html`。

你只想采文章，不想采标签页。

这时候可以用正则匹配。

设置规则为：必须包含数字。

或者直接写死规则：

```

/article/\d+\.html

```

这样就只会抓取文章页。

那些标签页、分类页，统统被忽略。

你的采集库就会非常纯净。

避坑提醒：

正则表达式写错一个符号都不行。

建议先用“测试功能”试一下。

填完正则，输几个链接进去测。

看看是不是按你的想法在过滤。

确认没问题了，再正式开始采集。

4. 最后一步：测试和验证，别想当然

上面这些设置都做好了。

千万别直接点“开始全站采集”。

一定要先做小范围测试。

这就像炒菜前先尝尝咸淡。

（1）单条测试采集

找个你觉得有代表性的链接。

用插件的“单条采集”功能跑一下。

看看能不能采下来。

看看过滤规则有没有生效。

如果本来该过滤的没过滤掉。

说明规则写错了，或者没生效。

回去检查一下标点符号。

检查一下有没有勾选选项。

（2）查看采集日志

好的插件都有日志功能。

如果某条链接没采成功。

日志里会写原因。

比如“命中关键词过滤”。

或者“不在域名白名单内”。

看到这些提示，你就心里有数了。

说明你的设置起作用了。

这比瞎猜要强一百倍。

赶紧动手，把你的网站清理干净

说了这么多，其实核心就一句话。

宁缺毋滥。

采集回来一堆垃圾，不仅占数据库。

还会让搜索引擎觉得你的站是垃圾站。

那就得不偿失了。

把这几个过滤方法用上。

哪怕每天只采几篇高质量文章。

也比每天采几百篇垃圾强。

别光看着文章不动手。

现在就去打开你的后台。

先把最明显的垃圾词填进去。

你会发现，你的网站内容质量立马就不一样了。