帝国CMS采集空段落过滤实用技巧 彻底解决排版混乱问题

你有没有发现用帝国CMS跑采集的时候，好不容易爬下来的内容，打开一看一堆空白段落，要么是大段大段的空行，要么是占位置的空标签，手动删能删到怀疑人生？

为啥你采集的内容总有空段落？先搞懂根源

说白了这事儿就像你买了带包装的零食，拆了之后一堆废塑料袋扔得满桌都是，你没提前装垃圾袋可不就乱嘛。源站本身排版就有很多冗余的空p、空br标签，有的是小编排版的时候随手敲的空行，有的是源站编辑器自动生成的占位符，你采集的时候啥都往回抓，可不就带回来一堆垃圾内容。

还有很多人采集规则只配了抓正文的范围，完全没加过滤规则，转码的时候多个换行还会自动转成空段落，叠加下来空段落能占内容的三分之一，人工审核改到吐。

后台内置功能就能搞定 不用瞎装插件

别一碰到问题就去找第三方插件，帝国CMS本身自带的内容过滤功能完全够用，还不会有兼容问题。

先登录后台，找到系统设置-其他设置-内容过滤字符，把下面这些常见的空段落格式填到左边的“要过滤的字符”框里，右边替换内容留空就行：

```

 

```

填完之后别忘把“是否开启内容过滤”的开关勾上，很多人都漏了这步，改了半天规则不生效，急得跳脚。普通的资讯站采集用这个方法就完全够用，出来的内容干干净净，连多余的空行都不会有。

复杂场景的进阶过滤技巧

要是你爬的源站比较奇葩，空段落里带一堆乱七八糟的属性或者多个空格、占位符，内置的固定字符过滤搞不定，就直接用正则过滤，一劳永逸。

找到你对应的采集节点，点开内容处理附加规则，加一个正则替换项，正则规则直接复制下面这段就行，不用你自己写：

``` '/]>(\s| |\r|\n)<\/p>/i' ```

替换内容还是留空，这个规则能把所有带空白字符、换行、 占位符的空p标签全干掉，哪怕p标签里带style、class属性也能识别，比固定字符过滤好用10倍。

存量内容批量清理方法

要是你已经采了几千几万篇带空段落的内容，总不能一个个打开改吧？直接跑SQL批量处理就行，不过操作前一定要先备份整站数据库，手滑删错内容哭都没地方哭。

到后台的数据库管理-执行SQL语句，把下面的代码改改对应参数就行：

``` update phome_ecms_news set content = REGEXP_REPLACE(content,'](\\s| |\\r|\\n)<\\/p>','') where classid=你要清理的栏目ID; ```

注意phome_ecms_news要换成你对应内容模型的表名，classid后面填你要清理的栏目ID，要是全站点清理就把where条件删掉就行，执行完几秒钟就能清完所有空段落，比手动改快到不知道哪去了。

真的，这些技巧我用了六七年了，亲测所有采集场景都能覆盖，别再傻乎乎手动改空段落了，省出来的时间喝杯奶茶摸鱼不好吗？