19.2.16日报:script的文本解码流程

起源是https://zhitongche.taobao.com/ 有个url(g.alicdn.com/kissy/k/1.4.4/seed.js)老是解码错误。

原因是阿里的垃圾程序员,在url里明明写着是GBK的页面,js却是utf-8编码。

blink会在下面堆栈里预加载js:

blink::TextResource::TextResource(const blink::Resou
blink::ScriptResource::ScriptResource(const blink::R
blink::ScriptResource::ScriptResourceFactory::create
blink::ResourceFetcher::createResourceForLoading(bli
blink::ResourceFetcher::requestResource(blink::Fetch
blink::ScriptResource::fetch(blink::FetchRequest & r
blink::DocumentLoader::startPreload(blink::Resource:
blink::HTMLResourcePreloader::preload(WTF::PassOwnPt
blink::ResourcePreloader::takeAndPreload(WTF::Vector
blink::HTMLDocumentParser::processParsedChunkFromBac
blink::HTMLDocumentParser::pumpPendingSpeculations()
blink::HTMLDocumentParser::resumeParsingAfterYield()
blink::HTMLParserScheduler::continueParsing() 行 169
 

然后会在

node.dll!blink::ScriptLoader::fetchScript(const WTF::String 
node.dll!blink::ScriptLoader::prepareScript(const WTF::TextP
node.dll!blink::HTMLScriptRunner::runScript(blink::Element *
node.dll!blink::HTMLScriptRunner::execute(WTF::RawPtr<blink:
node.dll!blink::HTMLDocumentParser::runScriptsForPausedTreeB
node.dll!blink::HTMLDocumentParser::processParsedChunkFromBa
node.dll!blink::HTMLDocumentParser::pumpPendingSpeculations(
node.dll!blink::HTMLDocumentParser::resumeParsingAfterYield(
node.dll!blink::HTMLParserScheduler::continueParsing() 行 16
node.dll!WTF::FunctionWrapper<void (__thiscall blink::HTMLPa

里真正去加载js。但会在ResourceFetcher::requestResource里,因为第一次预加载了,所以只会取出request去用。

我打算在这两个地方做个hook,把这个url强制改成utf-8解码。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值