uBlock Origin Lite过滤规则导致Bootstrap图标显示异常问题分析
问题现象
开发人员在使用Bootstrap图标库时发现,当使用uBlock Origin Lite浏览器扩展的"Complete"过滤模式时,特定的分享图标(bi-share类)无法正常显示。经检查发现,这是由于uBlock Origin Lite的过滤规则将该CSS类设置为display: none !important导致的。
技术背景
Bootstrap图标库通过CSS类来实现图标显示,例如分享图标的HTML结构为<i class="bi bi-share"></i>。正常情况下,这会通过CSS伪元素显示对应的图标。但在uBlock Origin Lite的"Complete"模式下,某些过滤规则会意外匹配这些类名。
问题根源
经过分析,该问题是由uBlock Origin Lite内置的"annoyances-social"过滤列表引起的。该列表包含一条规则##.bi-share,目的是屏蔽某些社交分享按钮,但意外匹配了Bootstrap的图标类名。
解决方案
对于开发人员,有以下几种解决方法:
-
临时解决方案:在uBlock Origin Lite设置中将过滤模式从"Complete"改为"Optimal"模式
-
针对性解决方案:在uBlock Origin Lite的自定义规则中添加例外规则:
localhost#@#.bi-share -
长期解决方案:联系过滤列表维护者,建议修改或移除该条规则,避免与Bootstrap图标类名冲突
-
开发规避方案:如果项目允许,可以修改使用的图标类名,例如将
bi-share改为自定义的类名
技术建议
对于使用Bootstrap图标库的开发人员,建议:
-
在开发环境下暂时禁用广告拦截扩展,或将其设置为开发模式
-
如果必须使用广告拦截,建议选择更精确的过滤模式,避免影响开发工作
-
对于生产环境,应考虑使用自定义类名或内联SVG图标,减少被广告拦截规则误伤的可能性
该问题反映了现代Web开发中常见的一个挑战:第三方库的类名可能与广告拦截规则产生冲突,开发人员需要对此保持警觉并准备应对方案。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00