Temario Lección 46 de 156 · Construye un bloqueador
Construye un bloqueador

Cómo funcionan las listas de bloqueo

Por qué importa Casi todo el bloqueo de rastreadores que se hace hoy en el mundo, en extensiones y en navegadores, empieza con un archivo de texto plano lleno de reglas. En cuanto sabes leer ese archivo, puedes ver exactamente qué detendrá un bloqueador y qué no, y por qué a veces se rompe un sitio.

Un portero con una lista

Imagina a un portero en la puerta de un club con una lista impresa: "no dejes entrar a estas personas", más una nota corta: "salvo a estos habituales". El portero no juzga a nadie; solo comprueba los nombres en la lista.

Un bloqueador funciona igual. Cada vez que una página pide algo (un script, una imagen, un píxel), el bloqueador comprueba la dirección en su lista y dice permitir o bloquear.

Lista de filtros: un archivo de texto con reglas, una por línea, que le dice a un bloqueador qué peticiones detener. La familia más conocida es EasyList, escrita con la sintaxis de Adblock Plus que entienden casi todos los bloqueadores.

Petición: una solicitud de tu navegador a un servidor, como "envíame https://adco.example/tag.js". Una página suele hacer muchas peticiones.

La sintaxis, un pequeño subconjunto de práctica

Las listas reales tienen decenas de miles de líneas y muchas funciones extra. Nosotros usamos una lista de práctica pequeña e inventada con la misma sintaxis básica. Aquí está (vive en watched.leg2b_blocker.PRACTICE_LIST):

[Adblock Plus 2.0]
! Title: Watched Practice List (made up for the course)

||adco.example^
||metrics.example^$third-party
||trackmore.example^
/p.gif?
*/collect?*cid=
/beacon/*/hit$third-party

! Exceptions: things that look like trackers but are needed
@@||cdn.example^
@@/assets/p.gif?

! Cosmetic rules (hide page parts). A network blocker ignores these.
##.ad-banner
shopc.example##.sponsored
La línea se parece aSignificado
! ... o [...]Un comentario o una cabecera. Sáltala.
||adco.example^Una regla de dominio: bloquea adco.example y todos sus subdominios, como img.adco.example. El ^ marca el final del nombre del host.
/p.gif?Una regla de patrón: bloquea cualquier dirección que contenga este texto. Un * dentro significa "cualquier carácter aquí".
@@...Una excepción: permítelo, aunque también coincida una regla de bloqueo.
...$third-partyUna opción: aplica esta regla solo cuando la petición va a un sitio distinto del de la página en la que estás.
##.ad-bannerUna regla cosmética: oculta una parte de la página. Nunca detiene una petición, así que un bloqueador de red se la salta.

Tercero: una petición a un sitio distinto del que aparece en tu barra de direcciones. En shopa.example, una petición a adco.example es de terceros; una a shopa.example es propia.

Convertir una línea en datos

Los programas no quieren volver a leer el texto con cada petición. Así que la primera tarea es analizar: convertir cada línea en un pequeño diccionario una sola vez, al arrancar.

Análisis (parsing): leer un texto y convertirlo en datos estructurados que un programa puede usar directamente, como convertir una lista de la compra escrita en casillas marcadas de un formulario.

Nuestro diccionario de regla tiene cuatro claves:

parse_rule("||metrics.example^$third-party")
# {'exception': False, 'kind': 'domain',
#  'value': 'metrics.example', 'third_party': True}

parse_rule("@@/assets/p.gif?")
# {'exception': True, 'kind': 'pattern',
#  'value': '/assets/p.gif?', 'third_party': False}

parse_rule("! just a comment")
# None

Dos herramientas de cadenas de Python hacen casi todo el trabajo. line.startswith("@@") comprueba cómo empieza una línea. line.rsplit("$", 1) divide una vez en el último $, dando el texto de la regla y las opciones, así que "a$b".rsplit("$", 1) es ["a", "b"].

Una idea equivocada muy común

"Las listas de bloqueo bloquean anuncios." Muchas sí, pero las listas que importan para la privacidad (como EasyPrivacy) van a por los rastreadores: píxeles, balizas y scripts de analítica, que nunca ves en pantalla. Una página puede no mostrar ningún anuncio y aun así enviar tu visita a cinco empresas.

Pruébalo En un navegador de escritorio con una extensión de bloqueo instalada, abre los ajustes de la extensión y busca sus listas de filtros. La mayoría te deja ver una lista como texto plano. Busca las líneas que empiezan por || y por @@: son exactamente las reglas que vas a analizar.

En otros lenguajes

JavaScript:

function parseRule(line) {
  line = line.trim();
  if (!line || line.startsWith("!") || line.startsWith("[")) return null;
  if (line.includes("##") || line.includes("#@#")) return null;
  const exception = line.startsWith("@@");
  if (exception) line = line.slice(2);
  let thirdParty = false;
  const at = line.lastIndexOf("$");
  if (at >= 0) {
    thirdParty = line.slice(at + 1).split(",").includes("third-party");
    line = line.slice(0, at);
  }
  const isDomain = line.startsWith("||");
  const value = isDomain ? line.slice(2).replace(/\^$/, "") : line;
  return { exception, kind: isDomain ? "domain" : "pattern",
           value: value.toLowerCase(), thirdParty };
}

Rust:

struct Rule { exception: bool, domain: bool, value: String, third_party: bool }

fn parse_rule(line: &str) -> Option<Rule> {
    let mut l = line.trim();
    if l.is_empty() || l.starts_with('!') || l.starts_with('[') || l.contains("##") {
        return None;
    }
    let exception = l.starts_with("@@");
    if exception { l = &l[2..]; }
    let mut third_party = false;
    if let Some((rule, opts)) = l.rsplit_once('$') {
        third_party = opts.split(',').any(|o| o == "third-party");
        l = rule;
    }
    let domain = l.starts_with("||");
    let v = if domain { l[2..].trim_end_matches('^') } else { l };
    Some(Rule { exception, domain, value: v.to_lowercase(), third_party })
}

Resumen

  • Una lista de filtros es texto plano: reglas de dominio (||host^), reglas de patrón, excepciones (@@) y opciones ($third-party).
  • Las reglas cosméticas (##) ocultan partes de la página y nunca detienen una petición.
  • Analiza una vez en diccionarios sencillos para que la coincidencia posterior sea rápida y clara.
Tu turno

Escribe parse_rule(line) para que devuelva None en las líneas vacías, de comentario (!), de cabecera ([) y cosméticas (## o #@#), y en el resto un diccionario con las claves exception, kind ("domain" o "pattern"), value (en minúsculas, sin ||, el ^ final, @@ ni las $options) y third_party. Después escribe parse_list(text) para que devuelva la lista de reglas de todas las líneas, en orden, dejando fuera los resultados None. No importes el analizador propio del curso.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.