帝国CMS采集违禁内容过滤设置

你是不是用帝国CMS做站时，为了省事儿全靠采集？上次帮大学同学救站，他就是没给采集过滤，被爬了一堆乱七八糟的赌博广告，直接收到阿里云的违规通知，站差点永久封号。这篇文章就是教你，给帝国CMS的采集加层“过滤网”，把所有违禁内容拦在站外面，看完就能直接改。 一、帝国CMS的2个核心过滤入口（别瞎找） 很多人找过滤入口找半天，其实就2个地方，全是后台自带的，不用装插件。 1. 后台全局参数过滤（全站点生效） 这个是管整个站所有内容的，不管你是手动发还是采集的，都会查。路径是帝国后台→系统→全局设置→内容设置→全局敏感词过滤。重点：这里加的词，只要出现在标题、内容里，直接标红或者不让发布，你自己说了算。 2. 采集模块自带过滤（只针对采集） 这个是专门给采集用的，只过滤爬过来的内容，不会影响手动发的。路径是帝国后台→采集→采集管理→点你用的那个采集任务→编辑→过滤设置。 二、3个直接抄的过滤设置（一步一步来） 都是我亲测能用的，不用自己瞎琢磨，跟着做就行。 1. 批量导入敏感词库（别一个个加） 你不用手动输一堆词，帝国支持批量导入。操作：先去网上搜“近1个月最新违禁敏感词库”，复制到记事本，每个词单独占一行，然后在全局过滤设置里，点“导入敏感词”，把文本粘进去，点提交就搞定。举个例子，你导了“赌博”“色情”“代开”这些词，采集来的内容里有，直接被拦住。 2. 替换危险关键词（钻空子的也拦） 有些内容会故意打错字绕开，比如把“赌”写成“堵”，用替换就管用。操作：在采集的过滤设置里，找“关键词替换”，填要替换的词和替换成的内容，点添加就行。比如把“堵博”换成“赌博”，再触发敏感词过滤，就直接拦了，比光查敏感词靠谱。 3. 源码过滤（彻底去掉垃圾内容） 很多违禁内容藏在网页源码里，比如隐藏脚本、外链，手动删太麻烦。操作：在采集过滤设置里，找“过滤源码”，填对应的正则表达式，比如去掉所有 ``` 还有那些藏在图片里的垃圾链接，也可以加一行过滤，这样采集来的内容就干净了，不会带乱七八糟的外链。 三、别犯这2个低级错误（踩过的坑告诉你） 这两个错误我自己之前都犯过，耽误事不说还差点出事。 1. 别只过滤标题，不碰内容 很多人偷懒，只看标题有没有违禁词，内容里藏的才是雷。比如你标题没事，内容里插了一堆赌博链接，照样违规。所以全局过滤里，一定要把“内容”“摘要”这两个字段勾上，别只勾“标题”。 2. 别用通用词库，加自己的行业词 网上的词库是通用的，做不同站要加专属的。比如做育儿站的，要加“违规疫苗”这类词；做影视站的，要加“盗版”这类词。每周花10分钟，把新发现的违禁词加进去，比如这周发现有人爬你站的内容里加了“兼职刷单刷信誉”，赶紧导进去，下次再采集就拦了。 今天就按上面的步骤做，先去后台把全局敏感词库加5个最近查到的违禁词，再给你的采集任务加上脚本过滤。就这两步，花不了10分钟，赶紧去。别等站被封了，再拍大腿后悔。