转自:Yskin’s blog
我刚接触Wordpress的时候——大约在今年3月份或者更早吧——除了Wordpress自带的插件，最先装的插件应该就是桑葚的中文WordPress工具箱中文WordPress工具箱了。(一个小发现，我用紫光V5打出来的是“桑椹”，而他的网站上写出来的是“桑葚”，在金山词霸查了一下，好像紫光打出来的是正确的，桑椹——英文mulberry…汗了)
这个插件提供了很多功能，都是一些国人喜欢的功能——最新文章，最新评论，评论数最多的文章，发表评论最多的网友，随机文章以及适合中文环境的摘要功能。这些功能我感觉并不实用，虽然国内的大多BSP都提供这些功能。最新文章功能Wordpress自带，最新评论功能倒还有点用，随机文章功能对于专门讨论某个方面的Blog还行，而我一直的观点是一个Blog对应一个人，个人的所有文章应该发在同一个Blog上，文章的分类应该靠Blog系统的分类功能解决，而非建立多个Blog。我的研究方向比较多，所以我的Blog分类很广，这样的情况下，一个设计的比较好的相关文章功能可能比随机文章好的多。
最近一直困扰于百度的收录问题。我的策略是：存档页、分类页、tag页、搜索页都不应该被搜索引擎收录，因为搜索引擎会进行重复页面检测。(桑葚的网站好像没有做这方面的设置，经常在Google里搜到他的tag页)对于Google，可以在所有要禁止收录的页面设置meta标签robots为”noindex,follow”，这样Google就会只访问这些页面而不收录，既禁止了收录，又可以让Google顺着这些页面查找独立文章页面。不过，同样的办法对百度就行不通，因为百度不支持meta标签robots，所以只好用 robots.txt文件。分类页和tag页分别在category和tag目录下，只要禁止这两个目录就可以了，而存档页却是类似”http://yskin.net/2006/07/"这样的结构，禁了这些目录，下面的独立文章页面也会被一起禁掉，百度又只支持 Disallow，不支持Allow。
解决的办法嘛，狠一点的话就在存档页中检测来访的是不是百度，如果是就直接输出个404。我想的权宜之计是：由于存档页显示的是文章的摘要，想办法让摘要更短一些，这样可能就检测不出来重复了。我弟弟的Blog用了中文WordPress工具箱，他那儿显示的摘要就很短，所以跑去下了这个插件，研究一下Wordpress的摘要算法。
研究的结果是这样：在中文WordPress工具箱的说明里有提到：
某些情况下需要输出摘要，比如搜索结果、档案，还有 rss 输出，这样可以节省流量资源。但是，如果你的文章是中文的话，官方 WordPress 输出的其实并不是摘要，它只是把文章里的 html 代码过滤掉了，但所有文字都还是原样输出了。
激活这个插件后，输出的就是真正截断的摘要了。
(顺便提一下，rss输出还是不要用摘要方式的好，人家订阅了你的rss不是为了看个摘要的，节约流量可以用feedburner烧录一下嘛。当然，由于网站放置了广告而希望用户访问页面的除外，够狠的话也可以把广告加到rss里)
桑葚的这段话是有错误地。Wordpress输出摘要时，先将文章里的html代码过滤掉了，然后对文章进行了摘要并输出，并没有因为你写的是中文就不摘要了。不过，摘要算法只考虑了英文以及其他西方语言，因为这些语言用空格做单词的分隔符，所以就用空格做区分，截取前55个单词。但是这个算法对中文日文这些不用空格分隔单词的语言就不合适了，中文文章里很难找到一个空格，摘要算法要找够55个空格才截断，所以最终只会输出整篇文章。
Wordpress通过the_excerpt()函数输出摘要(rss里通过the_excerpt_rss()函数输出摘要)，这个函数中只有一行代码：echo apply_filters(‘the_excerpt’, get_the_excerpt());就是说对get_the_excerpt()函数返回的字符串执行转换器操作并输出。the_excerpt有转换字符、转换表情、加
标签等几个默认转换器。get_the_excerpt()函数中检验了一下文章是否有密码，然后将用户自定的文章摘要传给 wp_trim_excerpt()函数。wp_trim_excerpt()函数收到用户自定的文章摘要则直接返回，否则根据文章内容生成摘要。他先把文章过一遍文章内容的转换器，再用strip_tags()函数去掉所有html和PHP标签，再用explode()函数以一个空格做分隔符，把文章分成最多56段。如果不够56段则原样输出，否则就把最后一段替换成”[…]”，用implode()函数以空格做分隔符重新组装起来。很明显，这个方法对英文文章很有效，而对不用空格做单词间分隔符的中文则没什么作用。很少有中文文章包含55个空格，所以给大家以中文文章摘要无效的印象。(好像代码里没有对标签进行处理，所以这个标签只在主页有效。)
桑葚的插件里使用了一个mul_excerpt()函数，加做the_excerpt和the_excerpt_rss的转换器。这个方法并不好，the_excerpt有转换字符、转换表情、加
标签等几个默认转换器，插件添加转换器的时候又没有设置等级，导致摘要被加上
标签才被substr，造成HTML错误。其实完全可以把这个函数加做get_the_excerpt的转换器，因为 the_excerpt和the_excerpt_rss最终都是要调用get_the_excerpt得到摘要的。另外，桑葚用substr($excerpt,0,255)将文章截取256个字节，由于采用UTF-8编码的中文字符占据两个字节，可能会造成最后有半个中文字符存在的现象。所以他用了一个utf8_trim() 函数，对摘要的最后进行处理。这个插件名叫中文WordPress工具箱，插件说明里也写道了：“用来解决官方 WordPress 没有照顾到的中文相关问题。”对于文章摘要也写道了：“真正的文章摘要，真正截断，没有乱码。”插件针对各种中文相关问题的解决办法就是这个 utf8_trim()函数。如果是在侧边栏显示的最新留言，使用这个办法，再配上等宽字体——每个英文字符相同宽度，并且等于中文字符宽度的一半，那么显示出来的一点非常整齐，非常好看。不过对于文章摘要来说，用这个函数就不必了吧，mb_substr()函数不是很好用么。
Update：有点小错误，GB2312里一个中文占两个字节，但是UTF-8里中文通常占3个字节。如果是GB2312编码的字符串，截取固定的几个字节，再配上等宽字体，可以保证最终显示的很整齐。但是UTF-8编码就不行了。
我写了一个小插件，用了一个新的摘要截断算法。由于wp_trim_excerpt()函数接收到非空字符串就直接返回，所以我把这个函数设置为 get_the_excerpt的转换器，并设置了一个更高的优先级，使他能够在wp_trim_excerpt()函数之前被执行。直接copy了 wp_trim_excerpt的前面几步，然后设置了两个变量fragmentnum和wordnum，为摘要的最大段落数和字符数。我觉得应该以段落为单位来做摘要，段落不被截断就不会被断章取义了。在摘要的最后添加了一个阅读全文的链接，就象大多数BSP系统那样。另外也加了全文字数，看起来和其他 BSP很象了吧 :)
起个名字，就叫wp-CJK-excerptwp-CJK-excerpt吧。
Update：应super37的要求——要我的这个wp-CJK-excerpt插件和桑葚的中文Wordpress工具箱能够一起使用，因为中文Wordpress工具箱还有其他功能嘛。找到了Wordpress提供的remove_filter()函数。想直接写在插件主体里，但是不知道Wordpress读取插件的顺序是怎么样的，如果是按照插件安装的顺序，那么只有我的插件后安装才能保证屏蔽。想来想去，反正如果执行the_excerpt()函数的话，我的插件先执行，干脆放在函数里了。应人之邀做的修改，桑葚你不要怪我…
Update2：好像有很多人的服务器不支持mb_strlen()函数，安装了这个插件后分类页会执行出错，提示Fatal error: Call to undefined function: mb_strlen()。如果打开了feed里显示摘要，那么feed也会出错。
一般商业PHP空间，Multibyte String函数库都应该是安装过的，否则程序怎么处理UTF-8编码的字符串啊。老实说，如果空间连这个函数库都没的话，你真的应该好好考虑下这个空间的质量了。我加了个检测，如果mb_strlen()函数不能用的话在后台管理页面上方显示一个警告框，提醒用户插件不能使用，请用户禁用插件。而且里面加了个return语句，检测到函数不能用就直接返回，不会再执行下面的操作，以免因该函数不能用而导致页面执行出错。这个警告框的代码抄自 akismet插件。
Update3：又想了点办法，在没有mb_strlen()函数的环境下自定义一个。我写的这个mb_strlen()函数很简单，只处理UTF-8编码的字符串。这段代码用正则表达式检测一个UTF-8编码字符串的长度，灵感来自这里。因为用的是正则表达式，好像对执行时间有所影响。一个10篇文章的页面，执行时间要增加大约0.5秒。所以如果您的空间上mb_strlen()函数不能用的话，请自行斟酌是否用这个插件。
另外，给显示“阅读全文”等字的那部分增加了一个叫readmore的class，因为我用的True Blue style定义了这个class。您也可以在自己的CSS文件里加入一些代码来控制这部分的显示。
最重要的内容：
需要在您所用的Theme的Index.Php中把 the_content() 替换为 the_excerpt()
就ＯＫ了。还要记得将插件上传到插件目录并激活