Focus for YouTube:专注模式过滤规则深度解析
项目概述
Focus for YouTube 是一组精心设计的过滤规则,旨在帮助用户消除YouTube平台上的各种干扰元素,打造一个更加纯净的视频观看体验。该规则基于Adblock Plus语法实现,通过屏蔽非必要界面组件,让用户能够专注于当前观看的视频内容。
核心功能解析
1. 主页内容净化
项目通过以下规则彻底清除了YouTube主页的推荐内容流:
youtube.com##ytd-browse[page-subtype*='home']
m.youtube.com##ytm-browse > ytm-single-column-browse-results-renderer > div > div[tab-identifier*="FEwhat_to_watch"]
这种设计特别适合那些希望避免被算法推荐内容分散注意力的用户,让使用YouTube时不再被无穷无尽的推荐视频所困扰。
2. 侧边栏精简
项目移除了左侧导航栏中的多个非必要入口,包括:
- 首页按钮
- 探索按钮
- 订阅内容
- 媒体库
- 历史记录
这些修改通过精确的CSS选择器实现,保留了用户可能需要的核心功能,同时去掉了容易导致分心的元素。
3. 视频相关干扰消除
3.1 视频结束时的推荐
##.ytp-endscreen-content
这条规则移除了视频播放结束后自动显示的推荐内容,防止用户陷入"再看一个"的无限循环。
3.2 相关视频推荐
youtube.com,youtubekids.com###related
m.youtube.com##ytm-watch ytm-compact-video-renderer
这些规则有效屏蔽了视频播放页面右侧的相关推荐列表,帮助用户专注于当前观看的内容。
3.3 暂停时的推荐覆盖层
##.ytp-pause-overlay
youtube.com##.ytp-pause-overlay
当视频暂停时,YouTube默认会显示推荐内容覆盖层,这些规则确保了暂停时界面保持干净。
4. 其他干扰元素处理
4.1 YouTube Premium推广
youtube.com###masthead-ad
移除了顶部常驻的Premium会员推广横幅。
4.2 自动生成的播放列表
www.youtube.com#?#ytd-compact-radio-renderer:-abp-has(ytd-thumbnail-overlay-bottom-panel-renderer)
屏蔽了"My mix"等算法自动生成的播放列表推荐。
4.3 视频悬停覆盖层
www.youtube.com###hover-overlays
移除了鼠标悬停在视频缩略图上时显示的"稍后观看"等操作按钮。
技术实现原理
Focus for YouTube主要采用以下技术手段实现内容过滤:
-
CSS选择器定位:通过精确的DOM元素定位,针对性地隐藏特定界面组件。
-
请求拦截:阻止某些推荐内容相关的AJAX请求,从源头切断干扰内容的加载。
-
元素属性匹配:利用元素属性特征进行更精确的定位,确保规则稳定性。
使用场景建议
这套过滤规则特别适合以下用户群体:
- 需要专注学习的研究人员
- 避免分心的远程工作者
- 希望控制观看时间的自律人士
- 仅关注特定内容创作者的专业用户
进阶配置说明
文件中包含了一些被注释掉的规则(以"!"开头),用户可以根据需要取消注释来启用额外功能,例如:
- 移除点赞/点踩计数器
- 完全屏蔽评论区
- 清除直播聊天窗口
这些规则提供了更极致的净化体验,但可能会影响部分社交互动功能。
维护与更新
由于YouTube界面会定期更新,建议用户:
- 保持过滤规则定期更新
- 关注可能的界面变化导致的规则失效
- 根据个人需求调整规则细节
Focus for YouTube通过系统性的界面净化,为用户创造了一个更加专注的视频观看环境,是提升数字健康和工作效率的有效工具。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01