拦截列表是怎样工作的
为什么重要 如今世界上大多数的跟踪器拦截,无论是在扩展程序里还是在浏览器里,都是从一个纯文本的规则文件开始的。一旦你能读懂这个文件,你就能准确地看出一个拦截器会阻止什么、不会阻止什么,以及为什么一个网站有时会坏掉。
拿着名单的保安
想象俱乐部门口的一位保安,手里拿着一份打印出来的名单:“不要让这些人进来”,外加一张简短的便条:“这些常客除外”。保安不评判任何人;他们只是对照名单核对名字。
拦截器也是这样工作的。每当一个页面请求某样东西(一个脚本、一张图片、一个像素)时,拦截器都会对照它的列表检查这个地址,然后说允许或拦截。
过滤列表:一个由规则组成的文本文件,每行一条,告诉拦截器要阻止哪些请求。最著名的家族是 EasyList,它使用大多数拦截器都能理解的 Adblock Plus 语法编写。
请求:你的浏览器向一台服务器提出的一次索要,比如“把 https://adco.example/tag.js 发给我”。一个页面通常会发出许多请求。
语法,一个小小的练习子集
真实的列表有成千上万行,还有许多额外的功能。我们使用一份编造的小型练习列表,它的核心语法是一样的。它就在这里(位于 watched.leg2b_blocker.PRACTICE_LIST):
[Adblock Plus 2.0]
! Title: Watched Practice List (made up for the course)
||adco.example^
||metrics.example^$third-party
||trackmore.example^
/p.gif?
*/collect?*cid=
/beacon/*/hit$third-party
! Exceptions: things that look like trackers but are needed
@@||cdn.example^
@@/assets/p.gif?
! Cosmetic rules (hide page parts). A network blocker ignores these.
##.ad-banner
shopc.example##.sponsored| 这一行看起来像 | 含义 |
|---|---|
! ... 或 [...] | 一条注释或一个标题。跳过它。 |
||adco.example^ | 一条域名规则:拦截 adco.example 以及它的每一个子域名,比如 img.adco.example。^ 标志着主机名的结束。 |
/p.gif? | 一条模式规则:拦截任何包含这段文本的地址。里面的 * 表示“这里可以是任何字符”。 |
@@... | 一条例外:允许它,即使一条拦截规则也匹配。 |
...$third-party | 一个选项:只有当请求发往的站点和你所在的页面不同时,才应用这条规则。 |
##.ad-banner | 一条外观规则:隐藏页面的一部分。它从不阻止请求,所以网络拦截器会跳过它。 |
第三方:发往和你地址栏里的站点不同的另一个站点的请求。在 shopa.example 上,发往 adco.example 的请求是第三方的;发往 shopa.example 本身的则是第一方的。
把一行变成数据
程序不希望为每一个请求都重新读一遍文本。所以第一项工作是解析:在启动时一次性地把每一行都变成一个小字典。
解析:读取文本,并把它变成程序可以直接使用的结构化数据,就像把一张手写的购物清单变成一张表格上打好勾的方框。
我们的规则字典有四个键:
parse_rule("||metrics.example^$third-party")
# {'exception': False, 'kind': 'domain',
# 'value': 'metrics.example', 'third_party': True}
parse_rule("@@/assets/p.gif?")
# {'exception': True, 'kind': 'pattern',
# 'value': '/assets/p.gif?', 'third_party': False}
parse_rule("! just a comment")
# None两个 Python 字符串工具完成了大部分工作。line.startswith("@@") 检查一行是怎样开头的。line.rsplit("$", 1) 在最后一个 $ 处切分一次,得到规则文本和选项,所以 "a$b".rsplit("$", 1) 是 ["a", "b"]。
一个常见的误解
“拦截列表拦截的是广告。”许多列表确实如此,但对隐私重要的那些列表(比如 EasyPrivacy)针对的是跟踪器:像素、信标和分析脚本,这些你在屏幕上永远看不到。一个页面可以完全不显示广告,却仍然把你的访问发给五家公司。
试一试 在一个装了拦截扩展程序的桌面浏览器里,打开这个扩展程序的设置,找到它的过滤列表。大多数都允许你以纯文本形式查看一份列表。找一找以 || 和 @@ 开头的行:它们正是你将要解析的那些规则。
用其他语言实现
JavaScript:
function parseRule(line) {
line = line.trim();
if (!line || line.startsWith("!") || line.startsWith("[")) return null;
if (line.includes("##") || line.includes("#@#")) return null;
const exception = line.startsWith("@@");
if (exception) line = line.slice(2);
let thirdParty = false;
const at = line.lastIndexOf("$");
if (at >= 0) {
thirdParty = line.slice(at + 1).split(",").includes("third-party");
line = line.slice(0, at);
}
const isDomain = line.startsWith("||");
const value = isDomain ? line.slice(2).replace(/\^$/, "") : line;
return { exception, kind: isDomain ? "domain" : "pattern",
value: value.toLowerCase(), thirdParty };
}Rust:
struct Rule { exception: bool, domain: bool, value: String, third_party: bool }
fn parse_rule(line: &str) -> Option<Rule> {
let mut l = line.trim();
if l.is_empty() || l.starts_with('!') || l.starts_with('[') || l.contains("##") {
return None;
}
let exception = l.starts_with("@@");
if exception { l = &l[2..]; }
let mut third_party = false;
if let Some((rule, opts)) = l.rsplit_once('$') {
third_party = opts.split(',').any(|o| o == "third-party");
l = rule;
}
let domain = l.starts_with("||");
let v = if domain { l[2..].trim_end_matches('^') } else { l };
Some(Rule { exception, domain, value: v.to_lowercase(), third_party })
}回顾
- 过滤列表是纯文本:域名规则(
||host^)、模式规则、例外(@@)以及选项($third-party)。 - 外观规则(
##)会隐藏页面的一部分,从不阻止请求。 - 一次性地解析成简单的字典,这样之后的匹配就既快又清楚。
编写 parse_rule(line),对于空行、注释(!)、标题([)和外观(## 或 #@#)行返回 None,否则返回一个字典,键为 exception、kind("domain" 或 "pattern")、value(小写,不带 ||、末尾的 ^、@@ 或 $options)以及 third_party。然后编写 parse_list(text),按顺序返回每一行的规则组成的列表,去掉 None 的结果。不要导入课程自己的解析器。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。