广告过滤服务器端

Question

我正在开发一个Web应用程序，我在其中显示来自其他网站的HTML。在显示最终版本之前，我想摆脱广告。

有关如何实现这一目标的任何想法和建议？它不需要是一个超级高效的过滤工具，我正在考虑将filters定义的adblockplus部分移植到Ruby，并在Nokogiri的帮助下返回已解析的文档。

假设我使用超级通配符过滤器ad。这不是官方adblock，但为了简单起见，我会在这里使用它。然后，想法是删除任何属性与过滤器匹配的所有元素，例如：src="http://ad.foo.com?my-ad.gif" href="http://ad.foo.com" class="annoying-ad"等。

此过滤器的Nokogiri命令是：

doc.xpath("//*[@*[contains(., 'ad')]]").each { |element| element.remove }

我为此page：

应用了过滤器

结果是：

同样糟糕，请注意全局通配符过滤器也删除了有效的元素，例如标题，因为它们具有id="masthead"等属性。

所以我认为这种方法适用于我的情况，现在问题是使用什么过滤器？他们有一个巨大的list过滤器，我不想迭代所有这些。我正在考虑抓住前10-20并根据它解析文档，那里有最受欢迎的列表吗？如果是这样，我一直无法找到它。