Lehrplan Lektion 124 von 156 · Baue die Verteidigungen
Baue die Verteidigungen

Saubere Links bei der Navigation

Warum das wichtig ist Partitioning hält IDs aus dem gemeinsamen Speicher heraus, aber es kann eine ID nicht sehen, die direkt in den Link geschrieben wurde. Wenn du auf shopa.example/p/tent?fbclid=IwAR0x9k2 klickst, reist die ID in der Adresse mit und die nächste Seite liest sie direkt aus der URL. Eine Engine kann diese Namen aus jeder Navigation entfernen, bevor die Anfrage dein Gerät verlässt. Der schwierige Teil ist es, dies zu tun, ohne die Anmelde- und Zahlungslinks zu beschädigen, die genau gleich aussehen.

Stell dir eine Post vor, die die Werbesticker von jedem Umschlag vor der Lieferung abzieht. Es ist ein guter Service, bis sie die Bestellnummer abzieht, die ein Geschäft braucht, um dein Paket zu finden. Also behält die Post eine kurze Liste: "stickers named ref stay on envelopes for the payment office".

Link decoration: eine ID oder ein Kampagnen-Tag, das zur Query String eines Links hinzugefügt wird, der Teil nach ?, wie zum Beispiel utm_source=news oder gclid=Cj0KCQ7.

Query parameter: ein name=value Paar in der Query String. Paare sind durch & getrennt.

Navigation: eine ganze Seite im Tab laden: eine Adresse eintippen, einen Link anklicken oder einem Redirect auf dem Weg folgen. Bilder und Skripte innerhalb einer Seite sind keine Navigationen.

Allowlist: eine kurze Liste von Ausnahmen: Namen, die eine bestimmte Seite benötigt, behalten, obwohl sie auf der Strip-Liste stehen.

Warum zum Zeitpunkt der Navigation und nur dort

In Etappe 2 hast du einen link cleaner als function geschrieben. Innerhalb einer engine läuft er bei jeder navigation, einschließlich jedes redirect hop. Warum das wichtig ist: ein click server wie deco.example/out?to=... kann adco_id zum link hinzufügen auf seinem Weg durch, nachdem du geklickt hast. Nur ein cleaner, der jeden hop sieht, entfernt es.

Engines lassen die Adressen von Bildern, Skripten und Frames unberührt. Die eigenen Skripte einer Seite können eine ID wie sie wollen senden, also schützt das Bereinigen dieser Adressen wenig und macht viel kaputt.

Einige echte Browser machen das heute (geprüft im Oktober 2026). Zum Beispiel entfernt Firefox eine Liste bekannter Tracking-Parameter im Strict mode und in privaten Fenstern, Safari entfernt einige im Private Browsing, und Brave entfernt eine Liste bekannter Parameter standardmäßig. Jede Liste ist kurz und wurde sorgfältig ausgewählt, aus dem Grund, den der nächste Abschnitt erklärt.

Warum die allowlist existiert

Einige Namen sind nur Tracker, wie fbclid oder utm_campaign. Kurze, allgemeine Namen sind schwieriger. In der Praxis ist ref ein Affiliate-Tag auf ShopC, aber die Bestellreferenz auf pay.example; cid ist eine Analytics-ID auf ShopA, aber die Sign-in-ID der App auf signin.example. Entferne sie überall und Zahlungen sowie Sign-ins schlagen fehl. Das Modul gibt dir:

TRACKING_PARAMS = {"fbclid", "gclid", "msclkid", "mc_eid", "adco_id", "ref", "cid"}
TRACKING_PREFIXES = ("utm_",)            # every name starting with utm_
ALLOWLIST = {"pay.example": {"ref"}, "signin.example": {"cid"}}

Vergleiche Namen in Kleinbuchstaben: UTM_Source ist immer noch ein Campaign-Tag. name.lower() gibt den Kleinbuchstaben-Text an, und name.startswith(TRACKING_PREFIXES) prüft jedes Präfix im Tupel gleichzeitig.

Eine URL auseinandernehmen und wieder zusammensetzen

Pythons urllib.parse erledigt die komplizierten Teile. Zerlege URLs niemals mit einfachen Texttricks: Werte können kodierte Zeichen wie %20.

enthalten.
from urllib.parse import urlsplit, parse_qsl, urlencode, urlunsplit

parts = urlsplit("https://shopa.example/p/tent?q=tent&utm_source=news#reviews")
print(parts.scheme, parts.hostname, parts.path)   # https shopa.example /p/tent
pairs = parse_qsl(parts.query, keep_blank_values=True)
print(pairs)                                      # [('q', 'tent'), ('utm_source', 'news')]
kept = [(k, v) for k, v in pairs if k != "utm_source"]
print(urlunsplit((parts.scheme, parts.netloc, parts.path, urlencode(kept), parts.fragment)))
# https://shopa.example/p/tent?q=tent#reviews

[(k, v) for k, v in pairs if ...] ist eine list comprehension: ein kurzer Weg um zu schreiben "erstelle eine neue list der Paare die diesen Test bestehen". Wenn keine Paare mehr übrig sind, ist urlencode([]) leer und urlunsplit lässt die ? für dich weg. parts.netloc ist der Host plus jeder Port; die Seite für die allowlist kommt aus site_of(url).

Einbau in die Engine

Der Practice Browser nimmt einen blocker(request) entgegen, der jede Anfrage sieht, inklusive Redirect-Hops. Er kann "allow", "block" oder eine neue URL zum Benutzen zurückgeben. request.kind ist "document" oder "form" für Navigationen. Dein Blocker bereinigt diese und lässt alles andere unberührt. Beachte, dass er niemals "block" für eine Navigation zurückgibt: Die Person hat sich entschieden, dorthin zu gehen, also bereinigt die Engine die Reise anstatt sie abzusagen.

run_journeys(blocker) folgt zehn verzierten Links, durch Weiterleitungen, Zahlungen und Anmeldungen, und berichtet für jeden: status, leaked (Tracking-Namen, die der Landing-Server noch erhalten hat) und missing (Namen, die die Seite brauchte, aber verlor).

Probier es aus Kopiere einen Link aus einem Newsletter oder einer Social Site und füge ihn in einen Texteditor ein. Finde den ? und lies jeden Namen vor einem =. Öffne dann den Link in einem Firefox privaten Fenster und vergleiche die Adressleiste: bekannte Trackingnamen sind weg.

In anderen Sprachen

Der gleiche Cleaner in JavaScript mit der eingebauten URL Klasse:

const TRACKING = new Set(["fbclid", "gclid", "msclkid", "mc_eid", "adco_id", "ref", "cid"]);
const ALLOW = { "pay.example": new Set(["ref"]), "signin.example": new Set(["cid"]) };
function cleanUrl(text, site) {
  const url = new URL(text);
  const keep = ALLOW[site] ?? new Set();
  for (const name of [...url.searchParams.keys()]) {
    const low = name.toLowerCase();
    if ((TRACKING.has(low) || low.startsWith("utm_")) && !keep.has(low)) url.searchParams.delete(name);
  }
  return url.toString();
}

C#, mit System.Web.HttpUtility:

// needs: using System.Linq; using System.Web;
// IsTracking(name, site) is your is_tracking, written in C#
var uri = new UriBuilder(url);
var query = HttpUtility.ParseQueryString(uri.Query);
foreach (var name in query.AllKeys.ToList())
    if (IsTracking(name, site)) query.Remove(name);
uri.Query = query.ToString();

Zusammenfassung

  • Link-Dekoration trägt IDs in der Adresse, wo Partitionierung nicht ankommt.
  • Bereinige jede Navigation, einschließlich Redirect-Hops, und lass Subressourcen in Ruhe.
  • Blockiere niemals eine Navigation, die die Person gewählt hat: bereinige sie.
  • Kurze allgemeine Namen benötigen eine erlaubte Liste pro Seite, sonst funktionieren Anmeldungen und Zahlungen nicht.
Du bist dran

Verwende TRACKING_PARAMS, TRACKING_PREFIXES und ALLOWLIST aus watched.leg6b_links, schreibe is_tracking(name, site): True wenn der kleingeschriebene Name in TRACKING_PARAMS ist oder mit einem Präfix beginnt, and ist nicht in ALLOWLIST.get(site, set()). Schreibe clean_url(url), das jedes Tracking-Paar für die Seite dieser URL entfernt, die anderen in der Reihenfolge behält und das Fragment behält. Schreibe blocker(request): für request.kind "document" oder "form" gib clean_url(request.url) zurück; ansonsten gib "allow" zurück. Setze dann results = run_journeys(blocker). Schreibe die Bereinigung selbst: benutze nicht is_tracking_name oder reference_clean des Moduls.

Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion

Diese Übung öffnet bald

Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.