12
返回列表 发帖
jiechu

Rank: 4

UID
8454 
帖子
182 
精华
0 
贡献
0  
推广
0  
有效BUG
0  
注册时间
2006-3-3 
1# 跳转到 » 正序看帖
打印
tT
发表于 2008-7-30 10:26 | 只看该作者

这样的html文本广告怎么过滤

广告, 文本, html
</body>
</html>
<SPAN class=spanclass id=span_ad_08>
</SPAN>
<SCRIPT>ad_08.innerHTML=span_ad_08.innerHTML;span_ad_08.innerHTML="";</SCRIPT>
<SPAN class=spanclass id=span_ad_09>

</SPAN>
<SCRIPT>ad_09.innerHTML=span_ad_09.innerHTML;span_ad_09.innerHTML="";</SCRIPT>
红色的可以是任何字符类型的广告，红色之后是文件末尾
过滤成只保留</html>

就是有些网站的页面将广告代码放在</html>后面，还有一些javascript代码什么的，想把这些</html>后面的一律过滤替换掉，怎么写规则?


  2. <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
  3. <html xmlns="http://www.w3.org/1999/xhtml">
  4. <head>
  5. <title>异界之复制专家 异界之复制专家 第六百一十一章 一拳败敌 - 哈哈文学</title>
  6. <meta HTTP-EQUIV="Window-target" c />
  7. <meta HTTP-EQUIV="pragma" c />
  8. <meta HTTP-EQUIV="Cache-Control" c />
  9. <meta HTTP-EQUIV="expires" c />
  10. <meta HTTP-EQUIV="Content-Type" c />
  11. <meta name="robots" c />
  12. <meta name="keywords" c />
  13. <meta name="description" c />
  14. <link href="/Skin/Default/Css/Common.Css" rel="stylesheet" type="text/css" />
  15. <link href="/Skin/Default/Css/Book.Css" rel="stylesheet" type="text/css" />
  16. </head>
  17. <body bgColor="#E7F4FE">
  18. <script src="/js/Html/BookMenu.js"></script>
  19. <script src="/js/Html/Footer.js"></script>

  21. <script language="javascript">
  22. <!--
  23. document.onkeydown=nextpage
  24. var prevpage="897725.shtml";
  25. var nextpage="898651.shtml";
  26. var gotobook="/Book/3245.aspx";
  27. function nextpage() {
  28.         if (event.keyCode==37) location=prevpage;
  29.         if (event.keyCode==39) location=nextpage;
  30.         if (event.keyCode==13) location=gotobook;
  31. }
  32. //-->
  33. </SCRIPT>
  34. <center>
  35.   <div id="Ws">
  36.     <div id="Top">
  37.       <div id="Menu"><script>ShowTopMenu(1,'哈哈文学','/','Content.shtml','Index.shtml','/Book/3245.aspx','/User/BR3245.aspx','/User/BS3245.aspx','/User/B3245C898466.aspx','异界之复制专家');</script></div>
  38.            <div id="TextSelect">
  39.            <div id="SelectInfo">  <a href="/">哈哈文学</a> -> <a href="/Book/3245.aspx">异界之复制专家</a> -> <a href="./">章节目录</a></div>
  40.            <div id="SelectRight"><script src="/js/Html/TextSet.js"></script></div>
  41.            </div>
  42.         </div>
  43.         <script language="javascript" type="text/javascript" src="/flash.js"></script>
  44. <SCRIPT  LANGUAGE="JavaScript">
  45. function getdy(e){
  46.   var l=e.offsetTop;
  47.   while(e=e.offsetParent){
  48.     l+=e.offsetTop;
  49.   }
  50.   l+=50;
  51.   //alert(l);
  52.   return(l+'px');
  53. }
  54. function getdx(e){
  55.   var l=e.offsetLeft;
  56.   while(e=e.offsetParent){
  57.     l+=e.offsetLeft;
  58.   }
  59.   return(l+'px');
  60. }
  61. function say(datoX,datoY){
  62.         if(document.all && !document.getElementById) {
  63.                 document.all['imgbook2'].style.pixelWidth = datoX;
  64.                 document.all['imgbook2'].style.pixelHeight = datoY;
  65.                 document.all['frontimage'].style.pixelWidth = datoX;
  66.                 document.all['frontimage'].style.pixelHeight = datoY-100;
  67.                 document.all['frontdiv'].style.pixelWidth = datoX;
  68.                 document.all['frontdiv'].style.pixelHeight = datoY-100;
  69.                
  70.                 document.all['frontimage'].style.top=getdy(document.getElementById('imgbook2'));
  71.                 document.all['frontimage'].style.left=getdx(document.getElementById('imgbook2'));
  72.                 document.all['frontdiv'].style.top=getdy(document.getElementById('imgbook2'));
  73.                 document.all['frontdiv'].style.left=getdx(document.getElementById('imgbook2'));
  74.         }else{
  75.                 document.getElementById('imgbook2').style.width = datoX;
  76.                 document.getElementById('imgbook2').style.height = datoY+100;
  77.                
  78.                 document.getElementById('frontimage').style.width = datoX;
  79.                 document.getElementById('frontimage').style.height = datoY;
  80.                 document.getElementById('frontdiv').style.width = datoX;
  81.                 document.getElementById('frontdiv').style.height = datoY;
  82.                
  83.                 document.getElementById('frontimage').style.left=getdx(document.getElementById('imgbook2'));
  84.                 document.getElementById('frontdiv').style.left=getdx(document.getElementById('imgbook2'));
  85.                 document.getElementById('frontimage').style.top=getdy(document.getElementById('imgbook2'));
  86.                 document.getElementById('frontdiv').style.top=getdy(document.getElementById('imgbook2'));
  87.         }
  88.         //alert(datoY);
  89. }
  90. function say2(w){
  91. alert("ok"+w+":")
  92. }
  93. </SCRIPT>
  94. <table border="0" width="100%" style="display:none">
  95.         <tr>
  96.                 <td valign="top">　

  98.                 </td>
  99. <td valign="top">


  102. </td>
  103.         </tr>
  104. </table>


  107.         <div id="Content">
  108.       <div id="TextTitle">  <span class="newstitle">异界之复制专家 第六百一十一章 一拳败敌</span></div>
  109.    

  111.           <div id="BookText">


  114. <div align="center"><IMG SRC="http://disk1.wangpan999.com/DownImg/2008/7/3/3245/6335067768644425000.gif" align="center" border=0></div><div align="center"><IMG SRC="http://disk1.wangpan999.com/DownImg/2008/7/3/3245/6335067768667862501.gif" align="center" border=0></div>

  116. </div><table border="0" width="70%">
  117. <tr>
  118. <td>如果您想阅读其他章节,请进入<a href="./">目录</a>查看更多,阅读更多小说请登陆<a href="http://www.hahawx.com/">[url=http://bbs.maxthon.cn/WWW.hahawx.COM]WWW.hahawx.COM[/url]</a>阅读！

  120. <p><a target="_blank" href="http://www.hahawx.com/Html/18/2660/">
  121. <font color="#006699">无极魔道</font></a><font color="#006699"> </font>
  122. <a target="_blank" href="http://www.hahawx.com/Html/3/3251/">
  123. <font color="#006699">琴帝</font></a><font color="#006699"> </font>
  124. <a target="_blank" href="http://www.hahawx.com/Html/Book/3/3463/">
  125. <font color="#006699">一世枭雄</font></a><font color="#006699"> </font>
  126. <a target="_blank" href="http://www.hahawx.com/Html/14/3007/">
  127. <font color="#006699">我的美女大小姐</font></a><font color="#006699"> </font>
  128. <a target="_blank" href="http://www.hahawx.com/Html/3/3245/">
  129. <font color="#006699">异界之复制专家</font></a><font color="#006699"> </font>
  130. <a target="_blank" href="http://www.hahawx.com/Html/51/3199/">
  131. <font color="#006699">九世重生</font></a>
  132. <a target="_blank" href="http://www.hahawx.com/Html/18/2863/">
  133. <font color="#006699">仙界修仙</font></a></p></td>
  134. </tr>
  135. </table>
  136. <table border="0" width="70%">
  137.         <tr>
  138.                 <td><SPAN style="display:none"> </SPAN></td>
  139.         </tr>
  140. </table>
  141.           <div id="LinkMenu"><script>ShowLinkMenu('<a href="javascript:document.location=prevpage">翻上页</a>','Index.shtml','<a href="javascript:document.location=nextpage">翻下页</a>');</script></div>
  142.         <table border="0" width="100%">
  143.         <tr>
  144.                 <td><SPAN id=ad_09> </SPAN></td>
  145.         </tr>
  146. </table>
  147.           <div id="EndMenu"><script>ShowEndMenu(1,'哈哈文学','/','Content.shtml','Index.shtml','/Book/3245.aspx','/User/BR3245.aspx','/User/BS3245.aspx','/User/B3245C898466.aspx','第六百一十一章 一拳败敌');</script></div>
  148.          
  149.         </div>
  150.     <div id="End">
  151.      <div id="EndType">

  153.             <div id="CopyRight"><a href="/">哈哈文学网</a>,小说《<a href="/Book/3245.aspx">异界之复制专家</a>》的<a href="./">目录</a>以及最新章节“第六百一十一章 一拳败敌”已经更新并由网友收集并上传<script>ShowCopyRight();</script></div>
  154.          </div>
  155.   </div>
  156.   </div>
  157. </center>

  159. <script src="/js/BookText.js"></script>
  160. <script src="/js/gb.js"></script>
  161. </body>
  162. </html>
  163. <SPAN class=spanclass id=span_ad_08>


  166. </SPAN>
  167. <SCRIPT>ad_08.innerHTML=span_ad_08.innerHTML;span_ad_08.innerHTML="";</SCRIPT>

  169. <SPAN class=spanclass id=span_ad_09>


  172. </SPAN>
  173. <SCRIPT>ad_09.innerHTML=span_ad_09.innerHTML;span_ad_09.innerHTML="";</SCRIPT>
复制代码
收藏 分享

jiechu

Rank: 4

UID
8454 
帖子
182 
精华
0 
贡献
0  
推广
0  
有效BUG
0  
注册时间
2006-3-3 
17#
发表于 2008-8-6 19:31 | 只看该作者
我开始试用proxomitron, 功能很强大，Maxthon在部分模仿这个工具的功能。

TOP

tongang

Rank: 4

UID
3486 
帖子
208 
精华
0 
贡献
0  
推广
0  
有效BUG
0  
注册时间
2005-10-11 
16#
发表于 2008-8-4 23:33 | 只看该作者
我实现方法一般比较狠.直接把 代码段都删除..要是在最后的话.最好..直接 </html>都给他去了..要是不是最后[\s\S]*? 清除了也行..不过要看清楚哪行干什么的..呵呵

TOP

elkay

Rank: 12Rank: 12Rank: 12

UID
1110 
帖子
2787 
精华
3 
贡献
20  
推广
0  
有效BUG
0  
注册时间
2005-5-26 
15#
发表于 2008-8-4 22:04 | 只看该作者

回复 13# jiechu 的帖子

实在要过滤也是可以的，就如你给出的2个例子，可以用"[^<]*?"即匹配到出现"<"为止，这也正是<script>...</script>中，后一个</script>的开头，如果要结合其他内容，也可以用类似的思路，总之过滤使用到的正则表达式并没有什么固定的格式，一切都是以能达到目的为主，所以，有时候稍微转个弯就可以了

TOP

小絮

Rank: 20Rank: 20Rank: 20Rank: 20Rank: 20

UID
1676 
帖子
7732 
精华
2 
贡献
30  
推广
0  
有效BUG
0  
来自
广西-北海 
注册时间
2005-7-10 
14#
发表于 2008-8-4 21:12 | 只看该作者
我们过滤广告的目的就是用最小的资源成本达到最好的视觉效果，所以过滤广告没必要将所有的广告代码全清理掉，只要能阻止广告的下载和显示就可以了，至于源代码是否过滤干净我觉得没必要理会。
以下是百度的推广广告代码：

  2. <script type='text/javascript'>
  3. cpro_client='hahawx_cpr';
  4. cpro_at='text_image';
  5. cpro_161=4;
  6. cpro_flush=4;
  7. cpro_uap=1;
  8. cpro_w=728;
  9. cpro_h=90;
  10. cpro_template='text_default_728_90';
  11. cpro_cbd='#86AC5F';
  12. cpro_cbg='#FFFFFF';
  13. cpro_ctitle='#0000ff';
  14. cpro_cdesc='#444444';
  15. cpro_curl='#008000';
  16. cpro_cflush='#e10900';
  17. </script>
  18. <script language="JavaScript" type="text/javascript" src="http://cpro.baidu.com/cpro/ui/cp.js"></script>
复制代码
真正起作用的是这一句：

  2. <script language="JavaScript" type="text/javascript" src="http://cpro.baidu.com/cpro/ui/cp.js"></script>
复制代码
我们只需要屏蔽这一句，百度的推广广告就不会下载更不会显示出来了，从而也达到了我们的过滤目的。剩下的代码，既然不影响网页的显示，何必要赶尽杀绝？
tw2的过滤规则写法有好几种：
1、过滤与特征符有关的所有下载。
     从百度推广广告的代码分析比较有特点的字符是cpro，所以我们可以选用cpro作为过滤特征符，于是规则可以写成：
  1. *cpro*
复制代码
或
  1. /cpro/
复制代码
其中"/cpro/"这样的过滤方法是可以支持正则表达式的

2、替换源代码的过滤方法
     这是tw2才推出的比较强大的过滤方法，过滤的内容可以控制得非常精确，规则可以这样写：
  1. #ex#<script[^>]*?cpro\.baidu[\s\S]*?</script>###
复制代码

[ 本帖最后由 小絮 于 2008-8-4 21:13 编辑 ]

TOP

jiechu

Rank: 4

UID
8454 
帖子
182 
精华
0 
贡献
0  
推广
0  
有效BUG
0  
注册时间
2006-3-3 
13#
发表于 2008-8-4 18:59 | 只看该作者
如果能有好的办法，还是过滤掉比较好，难道没有什么办法能过滤吗？同样的过滤，我确实在maxthon的源码里找不到这些遗留的code了，想想办法吧

TOP

elkay

Rank: 12Rank: 12Rank: 12

UID
1110 
帖子
2787 
精华
3 
贡献
20  
推广
0  
有效BUG
0  
注册时间
2005-5-26 
12#
发表于 2008-8-3 22:52 | 只看该作者

回复 11# jiechu 的帖子

这些可以放着不管，只要相应的脚本过滤了，这些就没有任何作用了。这些只是一些广告脚本遗留下来的东西

TOP

jiechu

Rank: 4

UID
8454 
帖子
182 
精华
0 
贡献
0  
推广
0  
有效BUG
0  
注册时间
2006-3-3 
11#
发表于 2008-8-3 22:11 | 只看该作者
谢谢各位，另外还有这样一类广告代码怎样屏蔽？
  1. <script type='text/javascript'>
  2. cpro_client='hahawx_cpr';
  3. cpro_at='text_image';
  4. cpro_161=4;
  5. cpro_flush=4;
  6. cpro_uap=1;
  7. cpro_w=728;
  8. cpro_h=90;
  9. cpro_template='text_default_728_90';
  10. cpro_cbd='#86AC5F';
  11. cpro_cbg='#FFFFFF';
  12. cpro_ctitle='#0000ff';
  13. cpro_cdesc='#444444';
  14. cpro_curl='#008000';
  15. cpro_cflush='#e10900';
  16. </script>
复制代码
  1. <script type="text/javascript">
  2. google_xxxx=xxxx;
  3. google_xxxx=xxxx;
  4. google_xxxx=xxxx;
  5. google_xxxx=xxxx;
  6. ........
  7. </script>
复制代码
注意，单双引号，可能是为了抵抗屏蔽故意弄成这样,这类代码有什么办法？
我试过<script[\s\S]*?(cpro_|google_|yahoo_|sogou_)[\s\S]*?<\/script>好像误杀严重

不知道这样可以吗，怎么可以弄得通用一些
  1. #exd#*.hahawx.com*#<script[^>]*?text/javascript[^>]*?>[\s\S]*?cpro_[\s\S]*?<\/script>###<!--Ad Blocked-->
  2. #exd#*.hahawx.com*#<script[^>]*?cpro\.baidu\.com\/cpro\/ui\/cp\.js[^>]*?><\/script>###<!--Ad Blocked-->
复制代码
如果这个网址需要匹配www.hahawx.com/Html/*****怎么写
#exd#*.hahawx.com*#<script[^>]*?text/javascript[^>]*?>[\s\S]*?cpro_[\s\S]*?<\/script>###<!--Ad Blocked-->这句误杀太严重 这里根本看不到了 http://www.hahawx.com/Html/20/3023/910549.shtml
目前maxthon2可以过滤

[ 本帖最后由 jiechu 于 2008-8-3 22:30 编辑 ]

TOP

elkay

Rank: 12Rank: 12Rank: 12

UID
1110 
帖子
2787 
精华
3 
贡献
20  
推广
0  
有效BUG
0  
注册时间
2005-5-26 
10#
发表于 2008-7-31 17:29 | 只看该作者
“[\s\S]*?”这个并不是一个定式，只要能达到你的目的用什么方式完全可以自由选择，像“.*？”也是可以用的，这个只是习惯问题，也许你习惯用“.*？”的话你可以继续用，只要能达到你想要的目的就可以了，不必拘泥用究竟用什么方式

每种方式区别是肯定会有的，比如在执行效率上，或者是匹配的内容上有些出入，但是对于exd这种只在特定网站生效的规则，效率问题可以不去考虑，只要能达到想要的目的就完全可以放心用

TOP

Sanly

Rank: 4

UID
3105 
帖子
91 
精华
0 
贡献
2  
推广
0  
有效BUG
0  
注册时间
2005-9-28 
9#
发表于 2008-7-31 16:12 | 只看该作者
"[.\n]"作为正则表达式有问题吧，匹配不到啊！是应该表达成"(?:.|\n)"吗？但也匹配不到。正则表达式也有分类吗？

[ 本帖最后由 Sanly 于 2008-7-31 16:15 编辑 ]

TOP

285900537

Rank: 12Rank: 12Rank: 12

UID
5906 
帖子
3127 
精华
0 
贡献
18  
推广
1  
有效BUG
0  
来自
上海 
注册时间
2005-12-8 
8#
发表于 2008-7-31 14:27 | 只看该作者
也可以写成这样
  1. #exd#*url*#(<\/html>)[\s\S]+###$1
复制代码
TW中的[\s\S]*?相当于MX中的[.\n]*?，当然，MX中也能使用[\s\S]*?。
liuyis[AT]live.com

TOP

Sanly

Rank: 4

UID
3105 
帖子
91 
精华
0 
贡献
2  
推广
0  
有效BUG
0  
注册时间
2005-9-28 
7#
发表于 2008-7-31 11:13 | 只看该作者
"."是一个元字符，匹配除了换行符以外的任意字符。"*"也是元字符，它代表的不是字符，也不是位置，而是数量——指定*前边的内容可以连续重复出现任意次以使整个表达式得到匹配。".*"连在一起表示任意数量的不包含换行的字符，加上"?"表示转化为懒惰匹配模式，即在整个匹配成功的前提下使用最少的重复。

"\s"表示匹配任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等；"\S"表示匹配任意不是空白符的字符；加上"[ ]"则构成一个字符类, 匹配方括号内的任意一个字符。后面"*?"则参照上面的解释。

这样是否可以看出两者的区别：一个能换行，一个不能。

TOP

12
返回列表