【DedeCMS采集乱码彻底解决】

你是不是也有过这种崩溃时刻？花了一晚上给DedeCMS搭好站，兴冲冲用采集器批量爬内容，结果导进来全是乱码：“今天天气真好”变成“äšé天气，连标点都看不懂，几千条内容直接废了。删了重采？白费力气！其实这不是你运气差，是编码没对齐。这篇是我测了5次才总结的干货，看完照着做，以后再也不会遇到采集乱码问题。

1. 先锁死DedeCMS本身的编码配置

1.1 改后台核心参数的默认字符集

说白了，90%的采集乱码根源是Dede的核心编码没设对。你打开Dede后台，找到「系统-系统参数设置-核心设置」，往下拉找到「默认字符集」这一项，必须强制选utf-8或者gbk，别瞎点自动识别。避坑提醒：如果你的数据库本来是gbk格式，就选gbk；如果是新站，直接选utf-8，别折腾其他编码。很多人选了utf8mb4，结果和采集工具不兼容，反而出问题。

1.2 改数据库连接的编码配置

光改后台没用，还要改Dede连数据库的编码。找到Dede根目录里的data/common.inc.php文件，用VS Code或Notepad++打开（别用普通记事本，避免编码再出错），找到这一行：

``` define('DB_CHARSET', 'utf8'); ```

把里面的utf8改成和你数据库一致的编码。如果数据库是gbk，就改成'gbk'；如果是其他编码，对应改就行。改完保存，上传覆盖原文件，这一步直接堵死一半的乱码来源。

2. 把采集工具的编码和Dede对齐

2.1 采集工具输出编码必须和Dede一致

举个例子，你用的是火车头采集器，打开你写好的采集规则，找到「输出编码」这栏，必须和Dede的编码完全一样。Dede用utf8就设utf8，Dede用gbk就设gbk，别选「自动」，自动经常抽风。我之前就踩过这个坑，选自动采出来的内容一半乱码，改成utf8后直接正常。如果用的是其他采集工具，比如紫鸟，同样在规则设置里找输出编码就行。

2.2 远程转码要补全丢失的字符

有些被采集的网站本身是gbk编码，你不转码就会出问题。在采集规则里加个转码步骤，用代码转成utf8，比如在火车头的「内容处理」里加：

``` iconv('GBK', 'UTF-8//IGNORE', $content); ```

这里的//IGNORE是说转码时忽略错误字符，不会因为个别字转失败，比直接转码稳多了。我之前没加这个，采一条丢一条，加了之后零丢失。如果是紫鸟，就在内容过滤器里加这个转码规则就行。

3. 导入内容时最后补个检查

3.1 批量修正已有的乱码内容

如果你已经采了一部分乱码，别慌，用Notepad++打开你采的文件，点「编码-转为utf-8」，然后用替换功能把乱码的半角符号换成正常的，比如把ä¹Å¾换成对应中文，再导入Dede。这一步10分钟搞定，比重新采省10倍时间。我之前有次采了5000条乱码，用这个方法15分钟就改好了一半，省下一晚上的时间。

3.2 入库时用对应编码的工具

导入Dede后台数据库的时候，别用随便的mysql客户端，用Navicat，连接数据库的时候选utf8编码（对应你Dede的编码），导入时选「utf8编码」模式，别用默认的。我之前用旧的mysql-front，导入全是乱码，换了Navicat选对编码，一次就成功。如果你不会用Navicat，至少要在导入前看一下Dede的编码，别瞎导入。

就这三步，改Dede编码、对齐采集工具编码、入库时检查，完全能解决DedeCMS采集乱码的问题。别等下次采内容再慌，现在就打开Dede后台，先把核心设置的编码改对，10分钟搞定，以后再也不用删乱码内容了。