Temario Lección 39 de 156 · Dentro de un rastreador (en el mundo de práctica)
Dentro de un rastreador (en el mundo de práctica)

El mundo de práctica

Por qué importa En este módulo miras dentro de un rastreador de aspecto real y lees exactamente lo que sabe de una persona. Ver los datos con tus propios ojos es la forma más rápida de entender por qué los navegadores combaten a los rastreadores, y qué defensas funcionan de verdad.

Todo en este módulo ocurre en el mundo de práctica: una pequeña web de mentira que vive dentro de Python. Nada de aquí toca una web real, un navegador real ni una persona real. Es una maqueta de tren para la web.

Mundo de práctica: la web simulada del curso, construida con el paquete watched. Tiene unos pocos sitios ficticios, un comprador ficticio y un navegador que sigue versiones simplificadas de las reglas de cookies y almacenamiento de los navegadores reales.

Quién vive allí

  • Tres tiendas: shopa.example (material de exterior), shopb.example (una farmacia) y shopc.example (cosas de casa y de bebé).
  • AdCo en adco.example: una red publicitaria. Las tres tiendas pegan el pequeño script de AdCo en sus páginas, igual que las tiendas reales añaden etiquetas de anuncios y analítica.
  • Sam: nuestro único comprador ficticio, con un navegador y algunos intereses.

Cada página de las tiendas tiene una categoría, como running o baby, igual que las tiendas reales etiquetan las páginas para las búsquedas y los anuncios.

AdCo ya tiene un rastreador en marcha

No vas a escribir un rastreador. AdCo ya tiene uno activado, como lo tendría una red publicitaria real. Cada vez que Sam ve una página de una tienda, el script de AdCo le informa de la página, y AdCo guarda un registro. Tu trabajo en este módulo es leer ese registro como un investigador, y luego activar defensas del navegador y ver qué cambia.

Registro del servidor: la lista de todas las peticiones que recibe una web. Las webs reales también guardan registros; a menudo es el primer sitio donde aparecen los problemas de privacidad.

Semilla: un número de partida para las elecciones "aleatorias" del simulador. La misma semilla siempre da el mismo mundo y la misma navegación, así que tus números coinciden con los de las pruebas.

Una función auxiliar hace el trabajo: practice_log. Le das un mundo y una lista de páginas; deja que Sam las recorra con el rastreador de AdCo activado, y te devuelve el registro de AdCo como una lista de pequeños registros.

from watched import build_world
from watched.leg2e_inside import practice_log

world = build_world(seed=7)                 # the same world every run
pages = world.browsing_session(12)          # 12 pages Sam visits, in order
log = practice_log(world, pages)

print(len(log))       # 12: one record per page Sam saw
print(log[1])

Un registro tiene este aspecto:

{"page": "https://shopb.example/p/sleep-aid",
 "site": "shopb.example",
 "category": "health",
 "cookie_id": "4c1e9b0a77d2f310",
 "url_id": None,
 "traits": None}

cookie_id es la cookie de AdCo que el navegador de Sam envió con el informe, si la había. El primerísimo registro tiene cookie_id a None, porque el navegador de Sam aún no tiene ninguna cookie de AdCo. url_id y traits se quedan en None por ahora; se rellenan más adelante en el módulo (lecciones 42 y 43), cuando AdCo prueba otros trucos.

Pruébalo Abre una web de compras real, luego abre las herramientas para desarrolladores de tu navegador (clic derecho y luego Inspeccionar) y ve a la pestaña Network. Recarga la página y escribe pixel o collect en el cuadro de filtro. Cada línea es un informe a alguna empresa, igual que los de AdCo.

Resumen

  • El mundo de práctica es una web de mentira dentro de Python: tres tiendas, una red publicitaria y un comprador.
  • El rastreador de AdCo ya está en marcha; tú lees su registro, no construyes uno.
  • practice_log(world, pages) devuelve un registro por cada página que vio Sam.

¿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.