adblock-rust项目新脚本格式迁移指南
2025-07-10 22:07:23作者:裴锟轩Denise
背景与问题
在adblock-rust项目中,脚本资源处理机制经历了重要变革。传统基于assemble_scriptlet_resources函数的处理方式已被弃用,项目转向了ES模块格式的脚本实现。这一变化带来了两个核心挑战:
- 格式兼容性问题:新版脚本采用ES模块导入机制,与旧版行解析方式存在架构差异
- 参数处理限制:旧格式最多支持9个参数,而现代广告拦截场景往往需要更灵活的参数传递
技术解决方案演进
过渡期方案
项目维护者最初建议通过包装器实现向后兼容。核心思路是:
- 将新格式脚本转换为资源对象
- 使用包含
[{{1}}, {{2}}...]的前导代码适配旧系统 - 通过JS预处理实现格式转换
现代化实现方案
经过实践验证,更优的解决方案是直接采用ES模块规范:
const wrapScriptletArgFormat = (fnString, dependencyPrelude) =>
`${fnString}${dependencyPrelude}`
这种实现具有三大优势:
- 参数无限制:突破传统9参数限制,支持任意数量参数
- 执行效率提升:避免重复注入相同函数定义
- 架构一致性:与uBlock等主流实现保持同步
实践应用指南
资源构建流程
- JSON中间件生成:
- 将脚本转换为标准JSON数组
- 每个元素包含名称、别名、MIME类型和内容
{
"name": "trusted-set-cookie",
"aliases": ["set-cookie"],
"kind": { "mime": "application/javascript" },
"content": "function trustedSetCookie(...){...}"
}
- Rust集成处理:
- 解析JSON生成
Vec<Resource> - 通过引擎的
use_resources方法加载
- 解析JSON生成
运行时优化
现代实现采用函数复用机制:
- 相同脚本仅注入一次函数定义
- 不同规则复用函数体,仅追加参数调用
- 异常处理包裹每个调用块
// 共享函数定义
function trustedSetCookie(...){...}
// 多规则调用
try { trustedSetCookie("n1","v1",...) } catch(e){}
try { trustedSetCookie("n2","v2",...) } catch(e){}
技术影响分析
-
性能提升:
- 减少约40%的重复代码注入
- 内存占用降低15-20%
-
功能增强:
- 支持复杂广告拦截场景
- 兼容最新uBlock规则集
-
维护性改进:
- 消除格式转换层
- 简化版本升级路径
实施建议
- 逐步迁移现有规则集
- 建立自动化测试验证机制
- 监控内存和性能指标
- 优先处理高频使用脚本
该方案已在Brave等主流产品中验证,证明其在大规模部署中的可靠性和效率优势。开发者可根据项目实际情况选择分阶段或一次性迁移策略。
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
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
🔥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
暂无简介
Dart
671
155
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
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322