[火车头]火车采集器伪原创插件教程

        本篇文章是在火车官方论坛看到的，觉得以后可能会对自己有用，拷过来留名待用。

        最近做了几个朋友的采集任务，基本都垃圾站的

　　我分析下伪原创有以下几种

　　一、同义词替换

　　二、打散段落句式

　　三、几个文章合成一个文章

　　四、在以上三点基础上 增加锚文本关键字的插入

　　教程站位 用火车头插件 完成以上四种伪原创操作

　　最近比较忙 出去找工作未果下面先说下原理

　　打乱句式 和按照标点打乱句子其实很简单。在火车的帮助文档里有这样的一段程序

　　$arr = explode("\n",$LabelArray['内容']); //用换行分隔形式一数组

　　shuffle($arr);//打乱数组

　　$LabelArray['内容']= implode("\n",$arr);//重新做成字符串

　　这是按照段落打散的 如果将\n 换成逗号 句号 那就是按照所设置的标点打散段落。这是比较初级的了。如果你是想用这个数据直接用一些群发软件发 有的群发软件自动加入关键字 那么就不必要进行处理了。如果你需要自己加入关键字。那么下载飘飘的随机插入关键字插件 进行改装下就可以。

　　我将改装后的代码附上保存为插件就可以了

　　<?php

　　/******************火车头插件 爱好者108147757******BY飘飘******感谢seolei提供算法*********/

　　set_time_limit(0);

　　if($LabelArray['内容']&&$LabelArray['关键词文件路径']&&$LabelArray['关键词个数'])

　　{

　　//配置

　　$arr = explode("\n",$LabelArray['内容']); //用换行分隔形式一数组

　　shuffle($arr);//打乱数组

　　$LabelArray['内容']= implode("\n",$arr);//重新做成字符串

　　$content=$LabelArray['内容'];//读取火车头传送的"内容"数据

　　$keynum=$LabelArray['关键词个数'];//读取火车头传送的“关键词个数”数据,内容格式为：3-5 30%(即3到5个之间,百份之30带链接的)

　　$filepath=$LabelArray['关键词文件路径'];//读取火车头传送的"关键词文件路径"数据,内容格式为：f:/keyword.txt(注意是斜杠/,路径不支持中文)

　　/* if($LabelArray['加粗'])

　　{

　　$strong=$LabelArray['加粗'];//读取火车头传送的"加粗"数据

　　}

　　else

　　{

　　$strong="否";

　　}*/

　　preg_match('/(\d+)-(\d+) (\d+)%/',$keynum,$key);

　　$key_len=rand($key[1],$key[2]);//例每篇文章随机插入3-5个关键词

　　$Percent=$key[3];

　　$linkkey=round($key_len*($Percent/100));//有链接的关键词个数

　　$txtkey=$key_len-$linkkey;//总个数-有链接的个数=无链接的个数

　　$linknum=0;

　　$txtnum=0;

　　if(file_exists($filepath))//判断关键词文件是否存在

　　{

　　$fp=fopen($filepath,'r');

　　while(!feof($fp))//读取关键词文件所有数据到$keyresult

　　{

　　$keyresult[]=fgets($fp,1024);//逐行读取数据存入数组

　　}

　　fclose($fp);//关闭文件

　　$keyresult_len=count($keyresult);//统计$keyresult总数

　　$LabelArray['关键词文件路径']='已找到您设置的：'.$filepath.'关键词文件('.$keyresult_len.'个)。插入有链接的比例是：'.$Percent.'%('.$linkkey.')，无链接的关键词个数：'.$txtkey.'个，总共需插入'.$key_len.'个关键词。';

　　for($i=0;$linknum+$txtnum<$key_len;$i++)//$key_len为随机插入关键词的总数

　　{

　　$randkey=$keyresult[rand(0,$keyresult_len-1)];

　　$keyword=iconv("GB2312","UTF-8",$randkey);//转成utf-8

　　$keyword=linkreplace($keyword);//将，|*替换成,

　　if(strpos($keyword,',')!=false&&$linknum<$linkkey)

　　{

　　$keyarray[]=$keyword;

　　$linknum++;

　　}

　　else if(strpos($keyword,',')!=true&&$txtnum<=$txtkey)

　　{

　　$keyarray[]=$keyword;

　　$txtnum++;

　　}

　　}

　　//内容分组&插入关键词

　　if(preg_match_all('%<[^>]+>|[\x{4e00}-\x{9fa5}]|[[:punct:]]|[^\x{4e00}-\x{9fa5}|^<]+%u',$content,$tempcontent))

　　{

　　$tempcontent=$tempcontent[0];

　　$str_len=count($tempcontent);//统计总数

　　$temp_len=(int)($str_len/($key_len+1));//段长

　　$start_len=(int)($temp_len/3);//段长的三分一

　　$start=0;//开始位置

　　$randlink='';

　　$linknum=0;

　　//取得插入关键词部分的内容

　　for($i=0;$i<$key_len;$i++){

　　$end=$temp_len*$i+rand($start_len,$temp_len);//结束

　　$temp_body=join_str($start,$end,$tempcontent);

　　if(strpos($keyarray[$i],',')!=false)

　　{

　　$tags=explode(',',$keyarray[$i]);

　　/*if($strong=='是')

　　{

　　$randlink='<a href="'.$tags[1].'" alt="'.$tags[0].'"><strong>'.$tags[0].'</strong></a>';

　　}else{*/

　　$randlink='<a href="'.$tags[1].'" alt="'.$tags[0].'">'.$tags[0].'</a>';//}

　　$linknum++;

　　}

　　else{$randlink=$keyarray[$i];}

　　$body=$body.$temp_body.$randlink;

　　$start=$end;

　　}

　　$body=$body.join_str($start,$str_len,$tempcontent);//组合关键词部分内容和剩下的内容。

　　}

　　//$LabelArray['内容'] = "总共有多少组数据:".$str_len."<br />段长：".$temp_len."<br />".$body ;

　　$LabelArray['内容'] = $body ;

　　}else{$LabelArray['关键词文件路径']='找不到您设置的：'.$filepath.'，请检查。格式为：f:/keyword.txt(注意是斜杠/,路径不支持中文)';}

　　//ob_clean();

　　}

　　else{

　　$LabelArray['内容'] ='标题内容、关键词文件路径、关键词个数设置有误。

　　请检查标签是否存在或标签的值设置错误。

　　标签：关键词文件路径，格式：f:/keyword.txt(注意是斜杠/,路径不支持中文)

　　标签：关键词个数，格式：3-5(即3到5个之间)';}

　　//公共函数，慎重修改

　　//连接字符

　　function join_str($start,$end,$arry){

　　$body='';

　　for($i=$start;$i<$end;$i++){

　　$body=$body.$arry[$i];

　　}

　　return $body ;

　　}

　　//过滤链接中的字符

　　function linkreplace($str)

　　{

　　$str = trim($str); //删除字符串首部和尾部的空格。

　　$str =str_replace("|",",",$str); //替换|成,

　　$str = str_replace("，",",",$str); //替换，成,

　　$str = str_replace("*",",",$str); //替换*成,

　　return trim($str); //删除字符串首部和尾部的空格。

　　}

　　echo serialize($LabelArray);

　　?>

　　红字部分是要添加的代码。

　　其实浙西很简单 最复杂的就是文章的交叉伪原创。我想也是大多数朋友想看的

　　那么先说下原理。付费版用户是用的是 SQLITE数据库，庆幸的是PHP提供了对SQLITE的操作。当然 如果感觉操作复杂可以让你的采集器是用MYSQL数据库。网上对MYSQL数据库操作的教程一大堆。现在仅说下原理。因为最近忙着找工作 也没时间来做了。其实也不难

　　使用插件，选择在保存时。以MYSQL为例。在插件里连接本程序 或者其他程序的MYSQL数据库。随机读出文章，打散，正在采集内容的文章也打散。读出的文章与现在采集的文章组合成新的文章。因为都是打散后的所以组合后又是一个新的文章。因为是随机读出的。在最差的条件下是两篇文章组合。在最好的条件下是采集多少篇就多少篇组合。最后限制下字数截断。否则这样打散组合打散组合 文章多了以后生成的文章的字数可想而知了。作为垃圾站你也不需要那么多字数的文章。只需要关键字就可以。

　　更多内容详见我的博客 石家庄SEO http://www.liyunpeng.com

　　打散组合后可以继续使用飘飘的工具进行插入关键字。也可以使用我之前发布的DEDE的思想插入过去发过的DEDE文章的标题以提高SEO性能。当然方法有很多。想做出一篇网络上没有的文章很容易。但并不代表百度会搜录这篇文章，这也和你网站的权重以及优化等多方面原因有关