Europe Dataset

我們按下「+ 新增過濾器」按鈕，並按照所示的數字順序在新過濾器的數據中填寫以下數據，以過濾 垃圾郵件發送者的訪問：

如何為視圖新增篩選器以刪除爬網垃圾郵件
輸入這些資料後，我們按下「儲存」按鈕，我們就儲存了該視圖的篩選器：

目前視圖的垃圾郵件發送者過濾器
現在，我們可以對其餘垃圾郵件發送者採用相同的方式，並為每個垃圾郵件發送者建立一個過濾器，但是，此解決方案並不理想。

隨著時間的推移，垃圾郵件發送者的數量會增加，因此我們最終將擁有數十個過濾器，從而產生一長串過濾器。

為了避免這種情況，我們可以在建立過濾器期 加拿大 b2b 潛在客戶 間使用正規表示式，不僅指示單一垃圾郵件發送者的地址，還指示多個垃圾郵件發送者的地址。

這樣，過濾器將應用於所有這些。

儘管正則表達式可以採用非常複雜的模式，但我始終建議使用盡可能簡單的表達式，即使以使其更長為代價，這樣它就很容易理解，並且用肉眼我們可以快速觀察到任何拼寫錯誤。

在我們的範例中，收集3 個垃圾郵件地址的最簡單的正規表示式如下所示（需要使用反斜線來標記點「. ”地址）過濾器看起來像這樣：

如何使用正規表示式為多個垃圾郵件發送者建立篩選器
從創建過濾器的那一刻起，該視圖將只收集那些不滿足過濾條件的訪問，儘管我們始終可以通過訪問沒有過濾器的原始視圖來查閱所有訪問的完整數據。

過濾幽靈垃圾郵件
雖然上述過濾器設定也可以用來過濾Ghost Spam，但這並不是最有效的系統。

最重要的是，如果我們考慮到幽靈垃圾郵件發送者不斷出現新的名稱和地址，這將使過濾器清單無窮無盡。

幸運的是，我們有一個替代方案，可以利用 Ghost Spam 的缺陷，因為他們不會訪問我們的網站：他們的訪問沒有與其關聯的主機名，或者即使有，也不會與該網站相關。

通常，主機名稱是網站的位址，但根據網站使用的服務或設定方式，可能會有有效的主機名稱。

檢查這一點的最佳方法是透過分析報告，如下圖所示：