uBlock Origin过滤器解决bilinovel.com广告拦截检测问题
问题背景
近期有用户反馈在访问bilinovel.com网站时遇到了广告拦截检测机制。该网站会向页面中注入一个带有伪元素的div,并显示"此内容被AdGuard/AdBlock等插件拦截,请禁用它们以恢复正常内容"的提示信息。值得注意的是,这实际上是一个虚假提示,因为网站的实际内容(目录/章节列表)仍然可以正常显示在下方。
技术分析
经过深入分析,发现该检测机制主要针对移动端UI(通过开发者工具模拟移动设备时触发)。网站通过JavaScript脚本newread.js中的checkAndHandleAdBlock()函数来实现检测逻辑。该脚本位于https://www.bilinovel.com/themes/zhmb/js/newread.js?cs-1.7路径下。
有趣的是,该网站还包含地区检测逻辑,会检查用户的浏览器语言设置。如果检测到navigator.language.toLowerCase()为zh-tw或zh-hk(繁体中文用户),则会重定向到另一个没有检测机制的页面。
解决方案
针对这一问题,uBlock Origin社区提出了有效的解决方案。通过在过滤规则中添加以下规则,可以成功阻断检测脚本的执行:
bilinovel.com##+js(acs, checkAndHandleAdBlock)
linovelib.com##+js(acs, checkAndHandleAdBlock)
这两条规则使用了uBlock Origin的高级脚本拦截功能,其中:
+js表示使用脚本拦截功能acs是"abort-current-script"的缩写,用于中止当前脚本的执行checkAndHandleAdBlock是要拦截的特定函数名
值得注意的是,bilinovel.com和linovelib.com实际上是同一个网站的不同域名,因此需要同时对两者进行拦截。
验证与效果
该解决方案已在Chrome和Firefox浏览器上验证有效。用户手动添加这些规则后,可以完全消除虚假的广告拦截提示,同时不影响网站正常内容的显示。
技术建议
对于普通用户,建议通过uBlock Origin的自定义过滤器功能添加上述规则。对于过滤器维护者,这类规则适合添加到专门处理干扰元素的过滤列表中,如"Annoyances"类别。
这种解决方案展示了uBlock Origin高级脚本拦截功能在应对现代网站反广告拦截技术方面的有效性,为处理类似问题提供了参考方案。
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
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
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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