Kurrikulum Leson 114 van 156 · Hoe 'n bladser besluit
Hoe 'n bladser besluit

Webwerwe, oorspronge en "same site

Waarom dit saak maak Elke privaatheidsreël binne 'n blaaier begin met een vraag: "watter webwerf is dit?" Cookies, partitions, SameSite, tracker lists en bounce detection sorteer alles onder 'n webwerf. As 'n engine hierdie antwoord verkeerd kry, kan 'n tracker tussen twee jars glip, of twee vreemdelinge se blogs kan een deel. In hierdie les skryf jy die antwoord self.

Dink aan 'n blok woonstelle. Die straatadres (example) word deur almal gedeel, so dit vertel jou niks oor wie waar woon nie. Die woonstelnommer plus die straat (shopa.example) is een huishouding. Kamers binne die woonstel (cdn.shopa.example, www.shopa.example) behoort almal aan daardie selfde huishouding. 'n Browser wil die huishouding hê.

Drie woorde wat jy nodig het

Host: die naamdeel van 'n URL, soos cdn.shopa.example in https://cdn.shopa.example:8443/lib.js. Dit bestaan uit labels wat deur punte geskei word: cdn, shopa, example.

Origin: skema, gasheer en poort saam, soos https://cdn.shopa.example:8443. Dit is die strengste grens: https://www.shopa.example en https://shopa.example is verskillende oorspronge.

Site: die deel van die gasheer wat een eienaar geregistreer het, ook bekend as die registrable domain: shopa.example vir al die gasreise bo. Privaatheidfunksies soos partitioning en SameSite werk op webwerwe, omdat een eienaar in elk geval elke gasheer daaronder beheer.

Die publieke sufikslys

"Neem die laaste twee labels" werk vir shopa.example, maar faal vir practice-shop.co.uk: die laaste twee labels is co.uk, wat duisende onverwante maatskappye deel. So dra bladsyders 'n public suffix list, 'n lang lêer van eindes waaronder enigeen 'n naam kan registreer.

Openbare sufiks: 'n einde wat niemand as 'n geheel besit nie, soos com, co.uk of github.io. Die webwerf is die openbare sufiks plus one meer label aan sy linkerkant.

Die lys bevat ook "private" agtervoegsels wat deur gasheerdiens-platforms bygevoeg word. github.io is daarop, so alice.github.io en bob.github.io is twee verskillende webwerwe, selfs al bestuur een maatskappy die bedieners. Sonder daardie inskrywing kon Alice se blog 'n cookie stel wat Bob se blog ontvang. In ons praktiese wêreld speel pages.example dieselfde rol.

Die reëls, soos die blutser dit toepas:

  1. Skakel die gasheer na kleinletters om, laat die poort weg, en laat 'n punt aan die einde weg (shopa.example. is 'n wettige manier om shopa.example te skryf).
  2. Vind die langste einde van die gasheer wat op die lys is. Vir a.b.practice-charity.org.uk, word beide uk en org.uk gelys; org.uk wen.
  3. Die webwerf is daardie einde plus een etiket links daarvan.
  4. As die host is 'n publieke sufiks (soos plain github.io), is die webwerf die host self.
  5. As geen van die gelysde eindes ooreenstem nie, behandel die laaste label as die sufiks. So het dev.app.zz die site app.zz.

Waree-lyste het ook 'n paar wildcard- en uitsluitingsreëls, en 'n IP-adres is sy eie webwerf. Engines hanteer daardie reëls ook; jy kan hulle hier weelaat.

Schemeful same-site

Ouer ouerdae was daar net na die registreerbare domein gekyk, so was http://shopa.example en https://shopa.example "same site". Vandag se webstandaarde definieer same-site as schemeful: die skema is deel van die webwerf, so die gewone-http bladsy tel as 'n ander, onbetroubare webwerf. Dit maak saak omdat enige iemand op jou kafee Wi-Fi 'n http bladsy kan manipuleer, en dit moet nie die https webwerf se SameSite cookies kan leen nie.

ABDieselfde oorsprong?Dieselfde webwerf?
https://www.shopa.examplehttps://shopa.exampleNoJa
https://alice.github.iohttps://bob.github.ioNoNo
http://shopa.examplehttps://shopa.exampleNoNo (skamewel)
https://shopa.example:8443https://shopa.exampleNoJa (poorte tel nie)

Die Python wat jy nodig het

Buiten variables, if, lists en functions, het jy vier klein gereedskap nodig. Elkeen word hier getoon met wat dit print.

from urllib.parse import urlsplit       # part of Python's standard library

parts = urlsplit("https://CDN.ShopA.example:8443/lib.js")
print(parts.scheme)      # https
print(parts.hostname)    # cdn.shopa.example   (already lower case, port removed)

labels = "cdn.shopa.example".split(".")   # cut a string at every dot
print(labels)            # ['cdn', 'shopa', 'example']
print(labels[1:])        # ['shopa', 'example']   (a slice: from position 1 to the end)
print(".".join(labels[1:]))   # shopa.example     (glue a list back together with dots)

print("shopa.example.".rstrip("."))   # shopa.example   (remove dots from the right end)
print("co.uk" in {"co.uk", "uk"})     # True   (a set answers "is this in it?" quickly)

for i in range(3):       # i takes the values 0, 1, 2
    print(i)

A slim truuk: as jy die eindes van die longest (labels[0:]) tot die kortste probeer, is die eerste een wat jy op die lys vind outomaties die langste ooreenstemming.

Probeer dit Voordat jy kode skryf, doen drie by hand: www.alice.pages.example, news.practice-paper.co.uk en zz. Jy moet alice.pages.example, practice-paper.co.uk en zz kry.

In ander tale

Reg projekte gebruik 'n onderhoudde kopie van die publieke suflekslys eerder as hul eie:

// JavaScript (the tldts package)
import { getDomain } from "tldts";
getDomain("https://cdn.shopa.co.uk/lib.js");   // "shopa.co.uk"
getDomain("alice.github.io", { allowPrivateDomains: true });   // "alice.github.io" (private suffixes are off by default)
new URL("https://CDN.ShopA.example:8443/").hostname;   // "cdn.shopa.example"

// Go (golang.org/x/net/publicsuffix)
site, err := publicsuffix.EffectiveTLDPlusOne("alice.github.io")   // "alice.github.io", nil

// Rust (the psl crate)
let site = psl::domain_str("www.shopa.co.uk");   // Some("shopa.co.uk")

// C# (built in: host only; use a public-suffix package such as Nager.PublicSuffix for the site)
var host = new Uri("https://CDN.ShopA.example:8443/").Host;   // "cdn.shopa.example"

A algemene wanbeleefdheid

"Dieselfde webwerf beteken dieselfde oorsprong, net losser woorde." Hulle is verskillende grense. Origin is wat JavaScript gebruik om bladsye apart te hou (wie mag wie se data lees). Site is wat privaatheid-funksies gebruik om te besluit wat as een party tel (wie se cookies reis, watter houer 'n embed kry). www.shopa.example en shopa.example is verskillende origins maar een site.

Opsomming

  • A is die publieke sufiks plus een label; die publieke sufikslys sê waar sufikse eindig.
  • Die langste gelyste sufiks wen, en private sufikse soos github.io maak elke gebruiker se sub-webby sy eie webby.
  • Schemeful same-site tel die skema, so http en https weergawes van 'n domein is verskillende webwerwe.
  • Origins hou bladsye apart; webwerwe besluit watter party watter is.
Jou beurt

Skryf vier funksies, dan gebruik hulle op die 30 oefen-URL's.

  1. host_from_url(url): die gasheer van url, kleinletters, sonder 'n poort en sonder 'n punt aan die einde.
  2. site_for(url, suffixes): die site van url, deur die stel suffixes as die publieke sufikslis en die vyf reëls uit die les te gebruik (lange gelysde sufiks plus een label; 'n gasheer wat self 'n sufiks is, is sy eie site; as niks pas nie, is die laaste label die sufiks).
  3. schemeful_site(url, suffixes): die skema, dan ://, dan die webwerf, byvoorbeeld "https://shopa.example".
  4. is_same_site(a, b, suffixes): True wanneer die twee URLs dieselfde skematuur webwerf het.
Stel uiteindelik SITES in as 'n lys met die webwerf van elke URL in PRACTICE_URLS, in volgorde, deur gebruik te maak van PRACTICE_SUFFIXES. Skryf die logika self: moenie site_of of same_site van watched gebruik nie.

Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les

Hierdie oefening open binnekort

Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.