مطابقة الطلبات مع القواعد
لماذا هذا مهم يقوم blocker بفحص كل طلب يرسله الموقع، وغالبا ما يتجاوز ذلك مائة طلب لكل صفحة، مقابل عشرات الآلاف من القواعد. إذا كان ذلك الفحص بطيئا، فسيشعر المستخدم ببطء كل صفحة، وسيقوم الناس بإيقاف تشغيل blocker. السرعة والدقة هما ما يجعل الحماية قابلة للاستخدام.
وظيفتان: إجابة صحيحة، بسرعة
فكر في مكتبة تحتوي على 5,000 كتاب. للعثور على واحد، لن تقرأ كل العناوين من الرف الأول. تذهب إلى القسم الصحيح، ثم الرف الصحيح. يجب أن يقوم blocker بنفس الشيء: القفز مباشرة إلى القواعد القليلة التي could تطابقها، والتحقق منها فقط.
يتم تقييم هذا التمرين بناء على كليهما. تحسب الاختبارات عدد المرات التي يستدعي فيها decide الدالة rule_matches لطلب واحد، والميزانية هي 20 checks مع تحميل 5,000 قاعدة. نحن نحسب عدد الفحوصات بدلا من قياس وقتك، لذا يتم تقييم الهاتف البطيء وجهاز الكمبيوتر المحمول السريع بنفس الطريقة.
الخطوة 1: العلامات البديلة
Wildcard: رمز يمثل "أي أحرف". في قوائم التصفية يكون *، لذا فإن /beacon/*/hit يطابق /beacon/42/hit و /beacon/abc/hit.
قم بتقسيم النمط عند كل *، ثم ابحث عن القطع في النص، بالترتيب، كل قطعة بعد التي تسبقها:
wildcard_in("*/collect?*cid=", "https://m.example/collect?x=1&cid=9")
# pieces: "/collect?" then "cid=" -> both found, in order -> True
wildcard_in("a*b", "b then a")
# "a" found at position 7, then no "b" after it -> Falseتعيد text.find(piece, pos) موقع بداية piece، بالبحث فقط من الموقع pos، أو -1 إذا لم يكن موجودا. لاحظ أنه في قوائم التصفية ? و . هما حرفان عاديان، لذا لا تستخدم تعبيرا نمطيا أو fnmatch، اللذين يعاملهما كرموز خاصة.
الخطوة 2: قاعدة واحدة مقابل طلب واحد
يجيبrule_matches(rule, url, third_party) بنعم أو لا لقاعدة واحدة:
- قاعدة
- A مع مجموعة
third_partyلا تتطابق أبدا مع طلب طرف أول. قاعدة النطاق - A
adco.exampleتطابق المضيفadco.exampleأو أي مضيف ينتهي بـ.adco.example. النقطة مهمة:notadco.exampleهو شخص آخر. تتطابق قاعدة نمط - A عندما تكون
wildcard_in(value, url.lower())صحيحة.
الخطوة 3: فهرس، لذا تتحقق من قواعد قليلة فقط
Index: هيكل يتم بناؤه مرة واحدة يسمح لك بالعثور على الأشياء دون البحث في كل شيء، مثل الفهرس في نهاية الكتاب. هنا: dict من host name إلى القواعد الخاصة بذلك host.
A يجد Python dict مفتاحا في خطوة واحدة، مهما كان عدد المفاتيح التي يحتوي عليها. لذا قم بالبناء، مرة واحدة:
index = {"domains": {"adco.example": [rule, ...], ...},
"patterns": [rule, rule, ...]}لطلب إلى img.adco.example، ابحث عن كل نهاية للمضيف: img.adco.example، adco.example، example. هذا يعني ثلاث عمليات بحث بدلا من 5,000 فحص. أضف قواعد الأنماط القليلة (المعوقات الحقيقية تفهرس تلك أيضا، بواسطة قطعة نصية قصيرة يجب أن تحتويها؛ نحن نحتفظ بها في قائمة بسيطة).
الخطوة 4: قرر، مع فوز الاستثناءات
افحص كل مرشّح. إذا كانت أي قاعدة مطابقة استثناءً، فالإجابة هي "allow"، وانتهى الأمر. وإلا، إذا طابقت أي قاعدة حجب، فـ "block"؛ وإذا لم يطابق شيء، فـ "allow". توجد الاستثناءات لأن القوائم تلتقط أحياناً أشياء يحتاجها الموقع حقاً، مثل cdn.example، الذي يقدّم مكتبة غير ضارة.
A مفهوم خاطئ شائع
"المزيد من القواعد يعني أبطأ في الحظر." مع وجود فهرس جيد، لا: البحث عن host في dict يكلف تقريبًا نفس الشيء مع 50 rule أو 50,000. ما يبطئ blocker هو فحص rules واحدًا تلو الآخر.
جربها بعد النجاح، قم بتغيير decide لتكرار كل قاعدة في القائمة (بدون فهرس) وقم بتشغيل الاختبارات مرة أخرى. يفشل اختبار الميزانية مع عدد يقارب 5,000. هذا الرقم هو العمل الذي يوفره الفهرس الخاص بك في كل طلب لكل صفحة.
في لغات أخرى
JavaScript:
function wildcardIn(pattern, text) {
let pos = 0;
for (const piece of pattern.split("*")) {
if (!piece) continue;
const at = text.indexOf(piece, pos);
if (at === -1) return false;
pos = at + piece.length;
}
return true;
}
// Index: a Map from host to rules; look up each ending of the host.
function candidates(index, host) {
const parts = host.split(".");
const out = [];
for (let i = 0; i < parts.length; i++) {
out.push(...(index.domains.get(parts.slice(i).join(".")) || []));
}
return out.concat(index.patterns);
}Go:
func wildcardIn(pattern, text string) bool {
pos := 0
for _, piece := range strings.Split(pattern, "*") {
if piece == "" {
continue
}
at := strings.Index(text[pos:], piece)
if at < 0 {
return false
}
pos += at + len(piece)
}
return true
}ملخص
- أنماط Wildcard: التقسيم عند
*وإيجاد القطع بالترتيب. تطابق قواعد - النطاق مع المضيف أو أي نطاق فرعي، مع مقارنة كل تسمية على حدة.
- يعني الفهرس (قاموس حسب المضيف) إجراء بضع عمليات بحث بدلا من آلاف عمليات التحقق.
- استثناء المطابقة يفوز دائما على قاعدة الكتلة.
اكتب أربع دوال. wildcard_in(pattern, text): تكون صحيحة عندما تظهر جميع أجزاء pattern بين علامات * في text بالترتيب. rule_matches(rule, url, third_party): تكون صحيحة عندما تتطابق إحدى قواميس القواعد (من الدرس السابق) مع الطلب. build_index(rules): نظم القواعد بأي طريقة تفضلها بحيث يمكن لـ decide تخطي معظمها. decide(index, url, third_party): أرجع "block" أو "allow"، مع فوز أي استثناء مطابق، واستدعاء rule_matches بحد أقصى 20 مرة لكل طلب عندما يتم تحميل 5,000 قاعدة.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.