Sub-Store项目中的节点去重技术方案解析
2025-06-02 12:24:20作者:柯茵沙
在代理订阅管理工具Sub-Store的实际应用中,用户经常会遇到节点列表中存在重复服务器的问题。本文将深入探讨基于IP和端口的节点去重技术实现方案,帮助用户优化订阅列表。
问题背景
当用户从多个来源获取代理节点时,经常会出现不同域名指向相同服务器IP的情况。这会导致:
- 订阅列表冗余膨胀
- 连接测试时重复操作
- 影响用户体验和操作效率
核心解决方案
Sub-Store提供了脚本处理功能,可以通过JavaScript脚本实现高级节点管理。针对节点去重需求,开发者提出了两种等效的技术方案:
方案一:使用Map数据结构
function operator(proxies) {
const uniqueProxies = new Map();
proxies.forEach((proxy) => {
const key = `${proxy.server}:${proxy.port}`;
uniqueProxies.set(key, proxy);
});
return Array.from(uniqueProxies.values());
}
方案二:使用Set数据结构
function operator(proxies = []) {
const seen = new Set();
const filteredProxies = [];
proxies.forEach((p = {}) => {
const key = `${p.server}:${p.port}`;
if (!seen.has(key)) {
seen.add(key);
filteredProxies.push(p);
}
});
return filteredProxies;
}
技术要点解析
- 唯一性判断标准:以服务器地址(server)和端口号(port)的组合作为唯一标识
- 数据结构选择:
- Map对象:直接存储键值对,最后转换回数组
- Set对象:配合数组使用,检查存在性
- 保留策略:默认保留首次出现的节点,后续重复项被过滤
高级应用场景
对于使用域名而非IP的节点,可扩展方案:
- 域名解析预处理:先将域名解析为IP再进行去重
- 域名还原处理:去重后恢复原始域名
if ($server._domain) $server.server = $server._domain
实际应用建议
- 在Sub-Store的脚本处理界面选择"添加脚本操作"
- 粘贴上述任一代码片段
- 注意选择正确的代码格式(JavaScript)
- 建议先备份原始订阅,再应用去重处理
性能考量
两种方案在时间复杂度上均为O(n),适合处理大规模节点列表:
- Map方案更简洁,适合现代JavaScript环境
- Set方案更直观,便于理解去重逻辑
通过合理应用这些技术方案,用户可以显著优化Sub-Store中的代理节点管理效率,获得更简洁、高效的订阅列表。
登录后查看全文
热门项目推荐
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
Ascend Extension for PyTorch
Python
222
245
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
暂无简介
Dart
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217