سرفصل‌ها درس 114 از 156 · مرورگر چطور تصمیم می‌گیرد
مرورگر چطور تصمیم می‌گیرد

سایت‌ها، مبدأها و «هم‌سایت»

چرا مهم است هر قاعدهٔ حریم خصوصی درون یک مرورگر با یک پرسش شروع می‌شود: «این کدام سایت است؟» کوکی‌ها، بخش‌ها، SameSite، فهرست‌های ردیاب و تشخیص جهش همه چیزها را زیر یک سایت بایگانی می‌کنند. اگر یک موتور این پاسخ را اشتباه بدهد، یک ردیاب می‌تواند میان دو شیشه بلغزد، یا وبلاگ‌های دو غریبه ممکن است یکی را به اشتراک بگذارند. در این درس پاسخ را خودتان می‌نویسید.

یک مجتمع آپارتمانی را در نظر بگیرید. نشانی خیابان (example) میان همه مشترک است، پس چیزی دربارهٔ اینکه چه کسی کجا زندگی می‌کند نمی‌گوید. شمارهٔ واحد به‌علاوهٔ خیابان (shopa.example) یک خانوار است. اتاق‌های درون واحد (cdn.shopa.example، www.shopa.example) همه به همان خانوار تعلق دارند. یک مرورگر خانوار را می‌خواهد.

سه واژه‌ای که لازم دارید

میزبان (host): بخش نام یک URL، مانند cdn.shopa.example در https://cdn.shopa.example:8443/lib.js. از برچسب‌هایی ساخته شده که با نقطه جدا شده‌اند: cdn، shopa، example.

مبدأ (origin): طرح (scheme)، میزبان و درگاه با هم، مانند https://cdn.shopa.example:8443. سخت‌گیرانه‌ترین مرز است: https://www.shopa.example و https://shopa.example مبدأهای متفاوتی هستند.

سایت: بخشی از میزبان که یک مالک ثبت کرد، که دامنهٔ قابل ثبت هم نامیده می‌شود: shopa.example برای همهٔ میزبان‌های بالا. قابلیت‌های حریم خصوصی مانند بخش‌بندی و SameSite روی سایت‌ها کار می‌کنند، چون یک مالک در هر حال همهٔ میزبان‌های زیر آن را کنترل می‌کند.

فهرست پسوندهای عمومی

«دو برچسب آخر را بردار» برای shopa.example کار می‌کند، اما برای practice-shop.co.uk شکست می‌خورد: دو برچسب آخر co.uk است، که هزاران شرکت بی‌ارتباط در آن شریک‌اند. پس مرورگرها یک فهرست پسوندهای عمومی (public suffix list) همراه دارند، فایلی طولانی از پایان‌هایی که هر کسی می‌تواند زیر آن‌ها نامی ثبت کند.

پسوند عمومی: پایانی که هیچ‌کس مالک کل آن نیست، مانند com، co.uk یا github.io. سایت، پسوند عمومی به‌علاوهٔ یک برچسب دیگر در سمت چپ آن است.

این فهرست پسوندهای «خصوصی»‌ای را هم دارد که سرویس‌های میزبانی اضافه کرده‌اند. github.io در آن است، پس alice.github.io و bob.github.io دو سایت متفاوت هستند، با اینکه یک شرکت سرورها را اداره می‌کند. بدون آن ورودی، وبلاگ آلیس می‌توانست کوکی‌ای تنظیم کند که وبلاگ باب دریافت کند. در دنیای تمرینی ما pages.example همین نقش را دارد.

قواعد، همان‌طور که مرورگر آن‌ها را به کار می‌برد:

  1. میزبان را به حروف کوچک تبدیل کنید، درگاه را حذف کنید، و یک نقطهٔ پایانی را حذف کنید (shopa.example. شکل مجازی از نوشتن shopa.example است).
  2. بلندترین پایان میزبان را که در فهرست هست پیدا کنید. برای a.b.practice-charity.org.uk، هم uk و هم org.uk فهرست شده‌اند؛ org.uk برنده است.
  3. سایت همان پایان به‌علاوهٔ یک برچسب در سمت چپ آن است.
  4. اگر میزبان خودش یک پسوند عمومی باشد (مانند github.io تنها)، سایت خود میزبان است.
  5. اگر هیچ پایان فهرست‌شده‌ای اصلاً جور نشد، آخرین برچسب را پسوند در نظر بگیرید. پس سایت dev.app.zz برابر app.zz است.

فهرست‌های واقعی چند قاعدهٔ نویسهٔ عام (wildcard) و استثنا هم دارند، و یک نشانی IP خودش یک سایت است. موتورها آن‌ها را هم مدیریت می‌کنند؛ اینجا می‌توانید کنارشان بگذارید.

هم‌سایتِ طرح‌دار

مرورگرهای قدیمی‌تر فقط دامنهٔ قابل ثبت را مقایسه می‌کردند، پس http://shopa.example و https://shopa.example «هم‌سایت» بودند. استانداردهای امروز وب هم‌سایت را طرح‌دار (schemeful) تعریف می‌کنند: طرح بخشی از سایت است، پس صفحهٔ http ساده سایتی متفاوت و نامطمئن حساب می‌شود. این مهم است چون هر کسی در Wi-Fi کافه‌تان می‌تواند در یک صفحهٔ http دست ببرد، و نباید بتواند کوکی‌های SameSite سایت https را قرض بگیرد.

ABهم‌مبدأ؟هم‌سایت؟
https://www.shopa.examplehttps://shopa.exampleنهبله
https://alice.github.iohttps://bob.github.ioنهنه
http://shopa.examplehttps://shopa.exampleنهنه (طرح‌دار)
https://shopa.example:8443https://shopa.exampleنهبله (درگاه‌ها حساب نمی‌شوند)

Pythonی که لازم دارید

فراتر از متغیرها، if، فهرست‌ها و تابع‌ها، به چهار ابزار کوچک نیاز دارید. هر کدام اینجا با آنچه چاپ می‌کند نشان داده شده است.

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)

یک ترفند تمیز: اگر پایان‌ها را از بلندترین (labels[0:]) تا کوتاه‌ترین امتحان کنید، اولین پایانی که در فهرست پیدا می‌کنید خودبه‌خود بلندترین تطبیق است.

امتحان کنید پیش از کدنویسی، سه مورد را با دست حل کنید: www.alice.pages.example، news.practice-paper.co.uk و zz. باید به alice.pages.example، practice-paper.co.uk و zz برسید.

در زبان‌های دیگر

پروژه‌های واقعی به‌جای فهرست خودشان از یک نسخهٔ نگهداری‌شده از فهرست پسوندهای عمومی استفاده می‌کنند:

// 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"

یک تصور نادرست رایج

«هم‌سایت یعنی هم‌مبدأ، فقط با بیانی آزادتر.» این‌ها مرزهای متفاوتی‌اند. مبدأ چیزی است که JavaScript برای جدا نگه‌داشتن صفحه‌ها به کار می‌برد (چه کسی می‌تواند دادهٔ چه کسی را بخواند). سایت چیزی است که قابلیت‌های حریم خصوصی برای تصمیم‌گیری دربارهٔ اینکه چه چیزی یک طرف حساب شود به کار می‌برند (کوکی‌های چه کسی سفر می‌کنند، یک جاسازی کدام شیشه را می‌گیرد). www.shopa.example و shopa.example مبدأهای متفاوت اما یک سایت‌اند.

خلاصه

  • یک سایت پسوند عمومی به‌علاوهٔ یک برچسب است؛ فهرست پسوندهای عمومی می‌گوید پسوندها کجا تمام می‌شوند.
  • بلندترین پسوند فهرست‌شده برنده است، و پسوندهای خصوصی‌ای مانند github.io زیرسایت هر کاربر را یک سایت جدا می‌کنند.
  • هم‌سایت طرح‌دار طرح را حساب می‌کند، پس نسخه‌های http و https یک دامنه سایت‌های متفاوتی‌اند.
  • مبدأها صفحه‌ها را جدا نگه می‌دارند؛ سایت‌ها تعیین می‌کنند کدام طرف کدام است.
نوبت شما

چهار تابع بنویسید، سپس آن‌ها را روی 30 URL تمرینی به کار ببرید.

  1. host_from_url(url): میزبان url، با حروف کوچک، بدون درگاه و بدون نقطهٔ پایانی.
  2. site_for(url, suffixes): سایت url، با استفاده از مجموعهٔ suffixes به‌عنوان فهرست پسوندهای عمومی و پنج قاعدهٔ درس (بلندترین پسوند فهرست‌شده به‌علاوهٔ یک برچسب؛ میزبانی که خودش پسوند است سایت خودش است؛ اگر هیچ چیز جور نشد، آخرین برچسب پسوند است).
  3. schemeful_site(url, suffixes): طرح، سپس ://، سپس سایت، برای مثال "https://shopa.example".
  4. is_same_site(a, b, suffixes): True وقتی دو URL سایت طرح‌دار یکسانی دارند.
در پایان SITES را برابر فهرستی از سایت هر URL در PRACTICE_URLS، به ترتیب، با استفاده از PRACTICE_SUFFIXES قرار دهید. منطق را خودتان بنویسید: از site_of یا same_site از watched استفاده نکنید.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.