火车头搜狗图片自动插入插件

火车头搜狗图片自动插入插件 – 详细使用说明

一、 插件功能概述

本插件是一个用于火车头采集器的PHP脚本，其核心功能是：在发布或保存文章时，自动根据文章的标题和文章内容中的H2/H3小标题，去搜狗图片搜索相关图片，并将获取到的第一张图片插入到对应小标题段落的后面。同时，它会忽略文章**末尾30%**内容中的小标题，避免为不重要的部分配图。

二、 工作流程

1. 触发条件：当火车头执行“保存内容”操作时（PageType == "Save"），插件被激活。
2. 预处理：移除内容中重复的H3标签，避免为相同内容重复配图。
3. 提取与定位：
   • 扫描文章内容，找出所有的 <h2> 和 <h3> 标签。
   • 计算每个小标题在文章中的位置。
   • 舍弃那些位于文章后30%区域内的小标题。
4. 图片搜索：
   • 对于每个有效的小标题，将“文章标题”和“小标题内容”组合成一个搜索关键词（例如：“人工智能” + “机器学习的应用”）。
   • 使用 cURL 模拟浏览器访问搜狗图片搜索页面，获取搜索结果。
   • 从返回的HTML中解析出图片URL，并过滤掉包含 “app” 字样的URL（通常是广告或应用推广）。
   • 取第一张有效图片。
5. 图片插入：
   • 将获取到的图片URL进行本地化路径替换（可选，见下方配置）。
   • 生成一个包含 <figure> 和 <img> 标签的HTML代码块。
   • 找到对应小标题后面的第一个 </p> 标签，将图片HTML代码块插入其后。
6. 结果返回：
   • 返回修改后的文章内容。
   • 将所有插入的图片URL（已替换为本地路径）收集起来，用换行符 \n 连接，存入 $LabelArray['图片'] 字段，方便后续操作或入库。

三、 安装与配置步骤

1. 放置插件：
   • 将以上PHP代码保存为一个文件，例如 sogou_image_poster.php。
   • 在火车头采集器中，进入对应任务的“发布模块”设置。
   • 在“Web发布”或“数据库发布”的“内容处理”部分，找到“PHP处理”或“插件处理”选项，上传或指定该PHP文件路径。
2. 确保字段匹配：
   • 插件依赖两个核心标签（字段）：$LabelArray['标题'] 和 $LabelArray['内容']。
   • 请确保您在火车头任务设置中，“内容规则”里提取的标题和内容字段名分别是 标题 和 内容。如果不是，请修改插件代码中对应的字段名。
3. 配置图片URL替换（关键步骤）： 插件提供了将搜狗的远程图片URL替换为您自己服务器本地路径的功能。这对于实现图片本地化、提高网站加载速度和稳定性至关重要。
   • 步骤A：下载图片
     • 注意：此插件不包含图片下载功能。您需要另外使用火车头的“下载图片”功能，将搜狗的图片URL（如 https://i02piccdn.sogoucdn.com/xxx）下载到您服务器的指定目录，例如 /uploads/。
     • 您可以在发布模块的“文件保存设置”中配置图片下载规则。
   • 步骤B：修改替换规则
     • 打开插件代码，找到 replaceImageUrl($imageUrl) 函数。
     • $patterns：定义了需要匹配的搜狗图片URL正则表达式。默认已包含 i01 到 i04 的CDN地址，通常无需修改。
     • $replacements：定义了替换后的本地路径格式。这是您必须修改的部分。 示例配置： 假设您将图片下载到了网站根目录下的 /upload/ 文件夹，并且希望图片以 .webp 格式存储（如果您的服务器支持自动转换）。

     $replacements = array(
         '/upload01/$1.webp', // 将 i01piccdn 的图片替换为 /upload01/xxx.webp
         '/upload02/$1.webp', // 将 i02piccdn 的图片替换为 /upload02/xxx.webp
         '/upload03/$1.webp',
         '/upload04/$1.webp'
     );
     

     重要提示：

     • $1 代表正则表达式中捕获的图片ID（如 9fab06e58046a367）。
     • 请确保您的图片下载路径与此处的替换路径完全对应。例如，如果您的下载规则是 https://i02piccdn.sogoucdn.com/* 保存到 /upload/pic/，那么替换规则应为 '/upload/pic/$1'。
     • 当前代码中的 replaceImageUrl 函数在 insertImagesAfterHeadings 函数中被调用，这是最常用的位置。
4. 获取 $LabelArray['图片'] 的值：
   • 插件执行完毕后，所有插入的图片本地URL会被存入 图片 标签。
   • 在您的发布模块中，可以将 {图片} 标签插入到数据库的“图片”字段或自定义字段中，实现图片地址的入库。

四、 注意事项与故障排查

• 网络问题：搜狗图片的访问依赖稳定的网络。如果您的服务器在国内，通常访问顺畅。如果在海外，可能需要代理。
• 搜狗反爬：插件通过设置 User-Agent 和 Cookie 来模拟浏览器，降低了被封禁的风险。但如果请求过于频繁，仍可能被限制。代码中的 usleep(rand(500000, 1000000))（随机延迟0.5-1秒）就是为了减缓请求速度，请勿轻易删除或减小此值。
• 无图片情况：如果某个关键词搜不到合适的图片（或都被过滤掉了），该小标题将不会插入图片。最终如果一张图都没找到，$LabelArray['图片'] 字段的值会是“未找到图片”。
• 内容结构：插件依赖于 </p> 标签来定位插入点。如果您的文章内容结构不标准（例如，小标题后紧跟 <div> 而不是 <p>），图片可能插入位置不正确。您需要根据实际情况修改 insertImagesAfterHeadings 函数中的定位逻辑。
• PHP版本：代码中使用了 create_function，这是一个在PHP 7.2中已被废弃、在PHP 8.0中被移除的函数。如果您的服务器使用PHP 7.2+版本，建议将 removeDuplicateH3 函数重写为使用匿名函数，以确保兼容性。

插件优缺点分析

优点

1. 高度自动化：实现了从内容提取、关键词生成、图片搜索到内容插入的全流程自动化，极大提升了内容生产的效率，无需人工干预。
2. 内容相关性高：结合“主标题”和“小标题”作为搜索关键词，获取的图片与对应段落的内容高度相关，提升了文章的图文匹配度和阅读体验。
3. 智能忽略：“忽略内容结尾30%”的设计非常人性化，避免了为文章的总结、引用、版权声明等非核心部分配图，使图片布局更合理。
4. 灵活的URL替换：replaceImageUrl 函数提供了强大的本地化接口，只要配置得当，可以无缝对接到任何网站的图片存储结构，实现图片的完全本地化。
5. 增强SEO：为文章自动添加了带有 alt 属性（alt 属性值为小标题文本）的图片，这有助于搜索引擎理解图片内容，对页面SEO有积极作用。
6. 去重机制：removeDuplicateH3 函数可以避免因内容采集问题导致的重复小标题被重复配图，节约了资源。

缺点

1. 依赖外部服务：核心功能完全依赖搜狗图片搜索。一旦搜狗更改其页面HTML结构、API接口或加强反爬虫策略，插件将立即失效，需要开发者跟进更新代码。
2. 图片质量不可控：插件只取“第一张”有效图片。这张图片的质量、尺寸、美观度完全取决于搜狗的搜索结果，可能并不理想，甚至可能插入不相关或低质量的图片。
3. 潜在的版权风险：自动抓取的图片来源于网络，其版权归属不明。直接用于商业网站存在一定的法律风险。虽然插件过滤了部分广告，但无法过滤版权图片。
4. 性能开销：每个小标题都会触发一次独立的cURL请求和0.5-1秒的延迟。如果一篇文章有10个小标题，整个发布过程将至少增加5-10秒的耗时，影响采集发布的整体效率。
5. 服务器资源消耗：频繁的网络请求和正则表达式匹配会消耗服务器的CPU和带宽资源，在高并发采集时可能成为瓶颈。
6. 缺乏容错和重试机制：如果某次cURL请求因网络波动失败，插件会直接放弃该小标题的配图，没有重试逻辑，可能导致部分内容缺失图片。
7. 代码兼容性问题：如前所述，create_function 的使用在较新的PHP版本中存在兼容性隐患。

总结与建议

这是一个功能强大、设计巧妙的自动化插件，非常适合需要快速批量生成图文内容的场景，例如资讯站、博客聚合等。 使用建议：

• 用于非核心内容：建议将其应用于对内容质量要求不是极致的批量内容生成。
• 定期检查：定期检查发布后的文章，抽查图片匹配度和质量，及时调整。
• 关注搜狗变动：如果插件突然失效，首先应检查搜狗图片页面是否改版。
• 考虑升级：如果技术允许，可以尝试升级代码，例如：增加图片质量筛选逻辑、实现更智能的图片选择（不只选第一张）、替换掉 create_function 以提高兼容性。