正则匹配，规则分组及其他

kurikomoe commented 2 years ago

推荐正则采用 ^...$ 的方式。

title/^.*-\s*..(百科|知识)\s*网$/
title/^小.(百科|知识)网$/
title/^.小(百科|知识)网$/

Examples:

// 针对 `balabala - xx知识网` 这种格式
title/^.*-\s*..(百科|知识)\s*网$/    

// 针对直接就是 `小x知识网` 这种形式
title/^小.(百科|知识)网$/          
title/^.小(百科|知识)网$/

另外希望能把正则匹配规则，url 匹配规则等单列出来。

最后附上咱自己积累的一个规则列表，全是自己用 Google 的时候手动添加的：

https://raw.githubusercontent.com/kurikomoe/KurikoRulesets/master/ublacklist.txt

entr0pia commented 2 years ago

我直接title/.*小.(百科|知识)网.*/, 简单粗暴

tjsky commented 2 years ago

你测试加$有效吗？我测试的插件只响应了^，对$不会响应。

entr0pia commented 2 years ago

你测试加有效吗？我测试的插件只响应了，对有效吗？我测试的插件只响应了^，对不会响应。

不需要限制位置啊, 全局范围内匹配到直接屏蔽就行了

kurikomoe commented 2 years ago

你测试加 $ 有效吗？我测试的插件只响应了 ^，对 $ 不会响应。

我测试是有效的：

测试：检查 $ 会不会影响到匹配结果。

正样本

title/^.*-\s*..(百科|知识)\s*网$/
title/^小.(百科|知识)网$/
title/^.小(百科|知识)网$/

负样本（去掉网）

title/^.*-\s*..(百科|知识)\s*$/
title/^小.(百科|知识)$/
title/^.小(百科|知识)$/

kurikomoe commented 2 years ago

你测试加有效吗？我测试的插件只响应了，对有效吗？我测试的插件只响应了 ^，对不会响应。

不需要限制位置啊，全局范围内匹配到直接屏蔽就行了

从广泛订阅的公有 rules 来讲，应该尽可能地精确匹配；全局只要出现特定模式的这种容易造成误伤，而且一旦出现误伤会波及到很多人。

entr0pia commented 2 years ago

你测试加有效吗？我测试的插件只响应了，对有效吗？我测试的插件只响应了 ^，对不会响应。

不需要限制位置啊，全局范围内匹配到直接屏蔽就行了

从广泛订阅的公有 rules 来讲，应该尽可能地精确匹配；全局只要出现特定模式的这种容易造成误伤，而且一旦出现误伤会波及到很多人。

学习了

tjsky commented 2 years ago

我当时没加 ^是因为有些抓取站会二次抓这些某某百科网，导致实际页面标题“含有”而不是“匹配”balabala - 小x知识网 格式的尴尬情况，所以我写成了title/.* - 小.(百科|知识)网/ 测试了下也没什么误杀含有【*** - 小知识网】这个格式已经有足够的防误杀特征了

title/小.(百科|知识)网/这个写法确实有一定的误杀风险，感觉上最好移除这个规则。毕竟正常用户不会直接去搜这些站的名字吧。。。这个规则基本只会在直接搜抓取站的名字时起作用。

用你的规则，再用域名屏蔽其他二次抓取站确实会更好一点毕竟正则这玩意一贯的特征就是：写一个可以匹配某内容的规则容易，写一个只匹配某内容的规则就需要费点劲了。我倾向于这样写 title/^.*[ ]-[ ]小.(百科|知识)网$/ title/^小.(百科|知识)网$/

用[ ]去匹配空格，而不是\s \s指的是空白，不仅仅是空格这一种,回车换行tab这都算\s

cobaltdisco commented 2 years ago

Hi @kurikomoe，

不知道“另外希望能把正则匹配规则，url 匹配规则等单列出来”的原因是？是觉得之后调整规则会相对容易？

kurikomoe commented 2 years ago

Hi @kurikomoe，

不知道“另外希望能把正则匹配规则，url 匹配规则等单列出来”的原因是？是觉得之后调整规则会相对容易？

正则的杀伤力比较大，分开一方面方便用户选择是否用正则匹配（普通规则，强力规则），另一方面感觉比较有条理一些。

cobaltdisco commented 2 years ago

Hi @kurikomoe，不知道“另外希望能把正则匹配规则，url 匹配规则等单列出来”的原因是？是觉得之后调整规则会相对容易？

正则的杀伤力比较大，分开一方面方便用户选择是否用正则匹配（普通规则，强力规则），另一方面感觉比较有条理一些。

好的，已经修改。

cobaltdisco commented 2 years ago

Hi @kurikomoe @tjsky

目前看来：

title/^小.(百科|知识)网$/ 来代替 title/小.(百科|知识)网/ 来降低误杀，会进行规则更新。
title/^.小(百科|知识)网$/ 匹配的是 X 小百科、知识网，似乎没有必要？
title/^.*[ ]-[ ]小.(百科|知识)网$/ 来代替 title/.* - 小.(百科|知识)网/，不过有个疑问，为什么是要用 [ ] 来代替空格？

kurikomoe commented 2 years ago

Hi @kurikomoe @tjsky

目前看来：

title/^小.(百科|知识)网$/ 来代替 title/小.(百科|知识)网/ 来降低误杀，会进行规则更新。

title/^.小(百科|知识)网$/ 匹配的是 X 小百科、知识网，似乎没有必要？

title/^.*[ ]-[ ]小.(百科|知识)网$/ 来代替 title/.* - 小.(百科|知识)网/，不过有个疑问，为什么是要用 [ ] 来代替空格？

因为单纯的空格可读性有点低 a b vs a[ ]b。

我自己写正则习惯性的空格用 [ ] 来代替，防止键入和以后读正则的时候忘记这里有一个空格。

tjsky commented 2 years ago

Hi @kurikomoe @tjsky

目前看来：

title/^小.(百科|知识)网$/ 来代替 title/小.(百科|知识)网/ 来降低误杀，会进行规则更新。

title/^.小(百科|知识)网$/ 匹配的是 X 小百科、知识网，似乎没有必要？

title/^.*[ ]-[ ]小.(百科|知识)网$/ 来代替 title/.* - 小.(百科|知识)网/，不过有个疑问，为什么是要用 [ ] 来代替空格？

因为就是如@kurikomoe 所说，是为了防止因为字体、字间距之类的问题，导致以后维护时没看出来这里有个空格存在。是个增强正则可读性的措施

cobaltdisco commented 2 years ago

Hi @kurikomoe @tjsky

感谢，已经更新。

cobaltdisco / Google-Chinese-Results-Blocklist

正则匹配，规则分组及其他 #56