Matomo设备检测库中的Client Hints技术解析
什么是Client Hints
Client Hints是一项现代Web技术,允许服务器从浏览器获取更详细的客户端设备信息,而无需依赖传统的User-Agent字符串。这项技术在Matomo的device-detector库中得到了实现,为网站分析提供了更精确的设备检测能力。
Client Hints的两种获取方式
1. HTTP Header方式
通过HTTP头部获取Client Hints是传统的方式,需要服务器明确声明希望接收哪些提示信息。服务器可以通过以下三种方式请求客户端提示:
- PHP header函数:
header('accept-ch', implode(', ', [
'sec-ch-ua-full-version',
'sec-ch-ua-full-version-list',
'sec-ch-ua-platform',
'sec-ch-ua-platform-version',
'sec-ch-ua-arch',
'sec-ch-ua-bitness',
'sec-ch-prefers-color-scheme'
]));
- NGINX配置:
server {
add_header accept-ch "sec-ch-ua-full-version, sec-ch-ua-full-version-list, sec-ch-ua-platform, sec-ch-ua-platform-version, sec-ch-ua-arch, sec-ch-ua-bitness, sec-ch-prefers-color-scheme";
}
- HTML meta标签:
<meta http-equiv="Accept-CH" content="sec-ch-ua-full-version, sec-ch-ua-full-version-list, sec-ch-ua-platform, sec-ch-ua-platform-version, sec-ch-ua-arch, sec-ch-ua-bitness, sec-ch-prefers-color-scheme" />
需要注意的是,使用HTTP方式获取的Client Hints通常只在第二次请求时才会生效,因为第一次请求时浏览器还不知道服务器需要哪些提示信息。
2. JavaScript API方式
通过JavaScript的User-Agent Client Hints API可以更直接地获取客户端信息,这种方式能立即获得提示数据,不需要等待第二次请求。以下是典型的实现代码:
async function getClientHints() {
let hints = [
'brands',
'mobile',
'platform',
'platformVersion',
'architecture',
'bitness',
'wow64',
'model',
'uaFullVersion',
'fullVersionList'
];
let hintsData = await navigator.userAgentData.getHighEntropyValues(hints);
return JSON.parse(JSON.stringify(hintsData));
}
获取到数据后,可以通过AJAX等方式将数据发送到服务器进行分析。
Matomo设备检测库的实现
Matomo的device-detector库设计了一个灵活的ClientHints类,能够同时处理来自HTTP头部和JavaScript API的数据。这种设计使得开发者可以根据实际情况选择最适合的获取方式。
在内部实现上,库会将不同来源的数据统一处理,确保无论数据来自HTTP头部还是JavaScript API,都能得到一致的解析结果。例如,对于浏览器品牌和版本信息,无论是通过sec-ch-ua头部传递的字符串格式,还是通过JavaScript API传递的JSON格式,都会被转换为统一的数据结构。
技术优势与应用场景
Client Hints相比传统User-Agent字符串具有多个优势:
- 更精确的数据:直接从浏览器获取信息,减少了UA字符串解析的误差
- 按需获取:只请求需要的提示信息,减少不必要的数据传输
- 更好的隐私控制:用户可以更精细地控制分享哪些设备信息
这项技术特别适合需要精确设备信息的场景,如:
- 网站分析工具
- 响应式设计适配
- 功能兼容性检测
- 性能优化决策
总结
Matomo的device-detector库通过支持Client Hints技术,为开发者提供了更现代、更精确的设备检测方案。无论是通过HTTP头部还是JavaScript API获取数据,都能得到一致且可靠的结果。随着浏览器对这项技术支持的不断完善,Client Hints有望成为未来Web开发中设备检测的标准方式。
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 StartedRust0201
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 Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07