uBlock Origin规则语法完全指南:编写高效广告拦截规则
uBlock Origin(uBO)作为一款高效的宽频内容阻止程序,其强大之处在于灵活的规则系统。本文将系统讲解uBO规则语法,帮助你编写精准高效的广告拦截规则,让网页浏览更清爽。
规则基础与分类
uBO规则主要分为网络过滤规则和** cosmetic 过滤规则**两大类。网络过滤规则用于阻止网络请求,cosmetic 过滤规则用于隐藏页面元素,两者配合使用可实现全方位拦截。
网络过滤规则
网络过滤规则是uBO的核心,通过匹配URL模式来阻止广告、追踪器等资源加载。其基本结构包含模式和选项两部分,格式为:模式$选项。
常见的网络过滤规则类型有:
- 主机名锚定规则:
||example.com^,||表示匹配域名起始位置,^表示路径分隔符或结束符,可精准匹配example.com域名下的所有资源。 - 例外规则:
@@||example.com^,以@@开头,表示允许该请求通过,常用于排除误拦截的正常资源。 - 类型限制规则:
||example.com^$script,$script指定仅阻止脚本类型资源,其他类型如image、stylesheet等也可按需使用。
cosmetic 过滤规则
cosmetic 过滤规则用于隐藏网页中的特定元素,如广告横幅、弹窗等,格式为域名##选择器。若省略域名,则对所有网站生效。
常见的 cosmetic 过滤规则类型:
- 通用隐藏规则:
##.ad-banner,隐藏所有网站中class为ad-banner的元素。 - 域名特定规则:
example.com##div[class^="promo"],仅隐藏example.com网站中class以promo开头的div元素。 - 元素移除规则:
example.com###popup,移除example.com网站中id为popup的元素。
网络过滤规则详解
基本模式语法
uBO网络过滤规则的模式部分支持多种特殊字符,用于精确匹配URL:
| 字符 | 作用 | 示例 | 匹配URL |
|---|---|---|---|
* |
匹配任意字符(包括空) | *banner* |
https://example.com/banner.jpg、https://example.com/ads/banner |
^ |
匹配路径分隔符或URL结束 | ` | |
| ` | ` | 匹配域名起始位置 | |
| ` | ` | 匹配URL起始或结束 | ` |
/ |
匹配路径分隔符 | /ads/ |
https://example.com/ads/banner.jpg |
选项参数
选项参数用于进一步限制规则的作用范围,多个选项用逗号分隔,如$script,third-party。常用选项:
- 资源类型:
script(脚本)、image(图片)、stylesheet(样式表)、xmlhttprequest(XHR请求)等。 - 第三方标记:
third-party(仅匹配第三方请求)、first-party(仅匹配第一方请求)。 - 域名限制:
domain=example.com(仅对example.com生效)、domain=~example.com(对除example.com外的域名生效)。 - 重定向:
redirect=noop.js(将请求重定向到内置的空脚本),常用于替换广告资源。
示例:||example.com^$image,third-party,domain=~blog.example.com,表示阻止第三方在除blog.example.com外的所有子域名下加载的example.com图片资源。
cosmetic 过滤规则详解
CSS选择器应用
cosmetic 过滤规则使用CSS选择器定位元素,支持常见的CSS选择器语法:
- 类选择器:
.ad-class,匹配class为ad-class的元素。 - ID选择器:
#ad-id,匹配id为ad-id的元素。 - 属性选择器:
[name="ad"],匹配name属性为ad的元素;[src*="ad"],匹配src属性包含ad的元素。 - 子选择器:
div > .ad-child,匹配div下的直接子元素中class为ad-child的元素。
示例:example.com##div.ad-container > img[alt="广告"],隐藏example.com网站中class为ad-container的div下alt属性为“广告”的图片元素。
扩展语法
uBO对cosmetic 过滤规则进行了扩展,支持更强大的元素定位:
- ** procedural 过滤器**:
##+js(noeval.js),执行内置脚本noeval.js阻止页面中的eval函数,需在设置中开启“允许通用 procedural 过滤器”。 - 元素属性修改:
##[class="ad"]:style(display: none !important;),强制设置元素样式为隐藏。 - 动态内容匹配:
##:has(> img[src*="ad"]),匹配包含子元素图片src含ad的元素。
高级规则技巧
规则优先级与例外处理
uBO规则遵循** specificity 原则和例外优先**原则:
- 更具体的规则优先级更高,如
example.com##.ad优先于##.ad。 - 例外规则(
@@开头)优先级最高,可覆盖普通规则。
示例:@@||example.com^$script,domain=example.com,允许example.com加载自身的脚本资源,即使存在阻止example.com脚本的通用规则。
性能优化
编写规则时需注意性能,避免过度复杂的规则导致页面加载缓慢:
- 优先使用主机名锚定规则(
||example.com^),匹配效率高于通配符规则。 - 限制通用 cosmetic 规则的作用域,避免使用
##*等匹配范围过大的选择器。 - 合并相似规则,如将
example.com##.ad1和example.com##.ad2合并为example.com##.ad1,.ad2。
规则示例与实践
常见场景规则
-
阻止所有第三方广告图片:
||*$image,third-party,domain=~*.png,~*.jpg该规则阻止所有第三方图片请求,但排除
.png和.jpg格式(可根据需要调整)。 -
隐藏视频网站前贴片广告:
video-site.com##.video-ad-container video-site.com##+js(abort-on-property-read.js, adPlay)第一条规则隐藏广告容器,第二条规则通过脚本阻止广告播放函数。
-
允许特定网站的广告:
@@||example.com^$domain=trusted-site.com在
trusted-site.com上允许example.com的所有请求,实现对可信网站的广告白名单。
规则测试与调试
uBO提供了便捷的规则测试工具:
- 元素选择器:点击uBO图标→“选取元素并隐藏”,可直观选取页面元素生成cosmetic 规则。
- 日志功能:在设置中开启“高级用户模式”,通过“记录器”查看网络请求和规则匹配情况,辅助调试规则。
总结与扩展
掌握uBO规则语法是提升广告拦截效率的关键。通过合理组合网络过滤和cosmetic 过滤规则,可有效拦截各类广告和追踪器。建议定期更新过滤列表,并根据个人需求编写自定义规则。
uBO还支持动态过滤和规则订阅等高级功能,可进一步扩展拦截能力。动态过滤允许在不同网站上临时切换拦截策略,规则订阅则可获取社区维护的优质规则列表,如EasyList、EasyPrivacy等。
通过不断实践和优化规则,你将拥有一个干净、高效的网页浏览环境。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00