uBlockOrigin/uBOL-home项目中的TikTok广告过滤问题分析
2025-07-09 20:04:56作者:庞队千Virginia
在uBlockOrigin的轻量级版本uBOL-home项目中,近期发现了一个关于TikTok平台广告过滤不完全的技术问题。本文将从技术角度深入分析该问题的成因及解决方案。
问题现象
用户报告在使用uBOL扩展时,TikTok视频页面中仍会出现广告内容。经过测试确认,这一问题仅出现在uBOL中,而在标准版uBlock Origin(uBO)中广告能够被正常过滤。
技术分析
通过开发者工具的DOM检查发现,这些未被过滤的广告元素具有特定的CSS类名"banner-ads"。进一步调查发现,uBO的过滤规则库中存在两条相关规则:
- 通用隐藏规则:
.banner-ads - 带条件的选择器:
.banner-ads:not(.textads)
问题的核心在于uBOL目前对通用例外规则的支持尚不完善。在标准版uBO中,EasyList过滤器包含了一条针对TikTok的通用例外规则,该规则会禁用对TikTok的通用隐藏过滤。然而,uBOL目前对这种例外规则的处理机制与uBO存在差异。
解决方案
技术团队提出了两种互补的解决方案:
- 在uBOL中增加特定于TikTok的过滤规则:
tiktok.com##.banner-ads:not(.textads) - 在EasyList过滤器中更新相关规则,使其包含更精确的选择器
这两种方案需要协同实施,因为标准版uBO中的现有规则(##.banner-ads)选择器范围较广,而更精确的:not(.textads)变体才能完全解决问题。
技术背景
这个问题揭示了广告过滤技术中的几个重要概念:
- 通用隐藏规则:针对常见广告模式的广泛匹配规则
- 例外规则:允许特定网站绕过某些过滤规则的机制
- 选择器特异性:CSS选择器的精确程度如何影响过滤效果
在广告过滤器的开发中,平衡过滤效果与误报率是一个持续挑战。过于宽泛的规则可能导致内容被错误过滤,而过于具体的规则又可能让广告漏网。
结论
该问题的解决展示了开源项目中协作解决问题的典型流程:从用户报告开始,经过技术分析,到提出并实施解决方案。这也体现了uBlockOrigin项目对广告过滤精确性的持续追求,以及不同版本间功能一致性的重要性。
对于终端用户而言,理解这类问题有助于更好地使用广告过滤工具,并在遇到类似情况时能够提供有价值的技术反馈。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
312
2.73 K
deepin linux kernel
C
24
7
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
639
244
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
Ascend Extension for PyTorch
Python
151
178
暂无简介
Dart
605
135
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
236
84
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.01 K
React Native鸿蒙化仓库
JavaScript
237
310