AdGuard浏览器扩展MV3版本中URI编码参数移除问题解析
2025-06-24 02:10:35作者:戚魁泉Nursing
在AdGuard浏览器扩展从MV2向MV3架构迁移的过程中,开发团队发现了一个关于$removeparam过滤规则的特殊问题。该问题涉及URI编码参数的处理机制,值得Web开发者和广告过滤技术爱好者深入了解。
问题现象
当用户尝试使用以下过滤规则时:
||reddit.com^$removeparam=%24deep_link
||reddit.com^$removeparam=%243p
在MV2版本的扩展中能够正常工作的规则,在MV3版本中却无法正确移除URL中的$deep_link和$3p参数。这些参数在URL中实际是以URI编码形式%24deep_link和%243p存在的,其中%24是美元符号$的编码表示。
技术背景
-
URI编码机制:在URL中,某些特殊字符需要被编码为百分号加十六进制数的形式。美元符号
$的编码就是%24。 -
MV3架构变化:Manifest V3对浏览器扩展的许多核心功能进行了重构,包括请求修改的处理方式。这种架构变化可能导致某些边缘情况的行为差异。
-
参数移除逻辑:AdGuard的
$removeparam规则需要正确处理原始参数名和编码后参数名的匹配关系。
问题本质
核心问题在于MV3版本中参数移除逻辑对URI编码参数的处理不够完善。具体表现为:
- 规则中明确指定了编码形式的参数名(
%24deep_link) - 但实际URL匹配时可能需要进行双重处理:
- 对规则中的参数名进行解码
- 对URL中的参数名进行解码
- 然后进行匹配比较
解决方案思路
要解决这个问题,需要改进参数匹配逻辑,使其能够:
- 正确处理URI编码的参数名
- 保持与MV2版本的行为一致性
- 不引入额外的性能开销
理想情况下,参数移除功能应该对以下所有形式的规则都能正确工作:
- 原始参数名:
$removeparam=deep_link - 部分编码:
$removeparam=%24deep_link - 完全编码:
$removeparam=%24deep%5flink
对用户的影响
普通用户可能会注意到:
- 某些跟踪参数没有被正确移除
- 过滤效果在不同版本扩展中存在差异
- 需要等待扩展更新才能完全解决问题
开发者建议
对于规则编写者,在过渡期间可以:
- 同时添加编码和非编码版本的规则
- 关注扩展更新日志
- 测试规则在不同版本中的效果
这个问题已被标记为修复状态,并计划在AdGuard v5.1-mv3版本中解决,体现了开发团队对兼容性问题的重视和快速响应能力。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
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
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878