سرفصل‌ها درس 124 از 156 · دفاع‌ها را بسازید
دفاع‌ها را بسازید

پیوندها را هنگام پیمایش پاک کنید

چرا مهم است بخش‌بندی شناسه‌ها را از فضای ذخیره‌سازی مشترک بیرون نگه می‌دارد، اما نمی‌تواند شناسه‌ای را ببیند که در خود پیوند نوشته شده. وقتی روی shopa.example/p/tent?fbclid=IwAR0x9k2 کلیک می‌کنید، شناسه در نشانی همراه می‌رود و سایت بعدی آن را مستقیم از URL می‌خواند. یک موتور می‌تواند آن نام‌ها را پیش از بیرون‌رفتن درخواست از دستگاهتان از هر پیمایشی حذف کند. بخش سخت انجام این کار بدون شکستن پیوندهای ورود و پرداختی است که دقیقاً همان شکلی‌اند.

اداره پستی را تصور کنید که پیش از تحویل، برچسب‌های تبلیغاتی را از روی هر پاکت می‌کند. خدمت خوبی است، تا وقتی شمارهٔ سفارشی را که یک فروشگاه برای پیداکردن بستهٔ شما لازم دارد هم بکند. پس اداره پست فهرستی کوتاه نگه می‌دارد: «برچسب‌هایی با نام ref روی پاکت‌های ادارهٔ پرداخت می‌مانند».

آراستن پیوند: یک شناسه یا برچسب کمپین که به رشتهٔ پرس‌وجوی یک پیوند، یعنی بخش پس از ?، اضافه شده، مانند utm_source=news یا gclid=Cj0KCQ7.

پارامتر پرس‌وجو (query parameter): یک جفت name=value در رشتهٔ پرس‌وجو. جفت‌ها با & جدا می‌شوند.

پیمایش (navigation): بارگذاری یک صفحهٔ کامل در زبانه: تایپ یک نشانی، کلیک روی یک پیوند، یا دنبال‌کردن یک گام تغییرمسیر در راه. تصاویر و اسکریپت‌های درون یک صفحه پیمایش نیستند.

فهرست مجاز (allowlist): فهرستی کوتاه از استثناها: نام‌هایی که یک سایت خاص لازم دارد، که با وجود بودن در فهرست حذف نگه داشته می‌شوند.

چرا هنگام پیمایش، و فقط آنجا

در مرحلهٔ 2 یک پاک‌کنندهٔ پیوند را به شکل یک تابع نوشتید. درون یک موتور، روی هر پیمایش اجرا می‌شود، از جمله هر گام تغییرمسیر. این مهم است: یک سرور کلیک مانند deco.example/out?to=... می‌تواند هنگام عبور، پس از کلیک شما، adco_id را به پیوند اضافه کند. فقط پاک‌کننده‌ای که هر گام را ببیند آن را حذف می‌کند.

موتورها نشانی تصاویر، اسکریپت‌ها و قاب‌ها را به حال خود می‌گذارند. اسکریپت‌های خود یک صفحه می‌توانند هر طور که بخواهند یک شناسه بفرستند، پس پاک‌کردن آن نشانی‌ها کمی محافظت و شکستگی زیادی به بار می‌آورد.

برخی مرورگرهای واقعی امروز این کار را می‌کنند (بررسی‌شده در اکتبر 2026). برای مثال، Firefox فهرستی از پارامترهای ردیابی شناخته‌شده را در حالت Strict و در پنجره‌های خصوصی حذف می‌کند، Safari برخی را در Private Browsing حذف می‌کند، و Brave به‌طور پیش‌فرض فهرستی از پارامترهای شناخته‌شده را حذف می‌کند. هر فهرست کوتاه است و با دقت انتخاب شده، به دلیلی که بخش بعد توضیح می‌دهد.

چرا فهرست مجاز وجود دارد

برخی نام‌ها همیشه فقط ردیاب‌اند، مانند fbclid یا utm_campaign. نام‌های کوتاه و عمومی پیچیده‌ترند. در دنیای تمرینی، ref روی ShopC یک برچسب همکاری فروش (affiliate) است اما روی pay.example مرجع سفارش؛ cid روی ShopA یک شناسهٔ تحلیل است اما روی signin.example شناسهٔ ورود برنامه. همه‌جا حذفشان کنید و پرداخت‌ها و ورودها شکست می‌خورند. ماژول این‌ها را به شما می‌دهد:

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"}}

نام‌ها را با حروف کوچک مقایسه کنید: UTM_Source همچنان یک برچسب کمپین است. name.lower() متن با حروف کوچک را می‌دهد، و name.startswith(TRACKING_PREFIXES) همهٔ پیشوندهای تاپل را یک‌جا بررسی می‌کند.

جداکردن یک URL و سرهم‌کردن دوباره‌اش

urllib.parse در Python بخش‌های ظریف را انجام می‌دهد. هرگز URLها را با ترفندهای متنی ساده تکه نکنید: مقدارها می‌توانند نویسه‌های رمزگذاری‌شده‌ای مانند %20 داشته باشند.

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 ...] یک list comprehension است: راهی کوتاه برای نوشتن «یک فهرست تازه از جفت‌هایی که از این آزمون می‌گذرند بساز». وقتی هیچ جفتی نماند، urlencode([]) خالی است و urlunsplit علامت ? را برایتان حذف می‌کند. parts.netloc میزبان به‌علاوهٔ هر درگاهی است؛ سایت برای فهرست مجاز از site_of(url) می‌آید.

وصل‌کردن آن به موتور

مرورگر تمرینی یک blocker(request) می‌گیرد که هر درخواست، از جمله گام‌های تغییرمسیر، را می‌بیند. می‌تواند "allow"، "block"، یا یک URL تازه برای استفادهٔ جایگزین برگرداند. request.kind برای پیمایش‌ها "document" یا "form" است. مسدودکنندهٔ شما آن‌ها را پاک می‌کند و بقیه را دست‌نخورده مجاز می‌داند. توجه کنید که هرگز برای یک پیمایش "block" برنمی‌گرداند: شخص رفتن به آنجا را انتخاب کرد، پس موتور سفر را پاک می‌کند به‌جای لغوکردنش.

run_journeys(blocker) ده پیوند آراسته را، از میان تغییرمسیرها، پرداخت‌ها و ورودها، دنبال می‌کند و برای هر کدام گزارش می‌دهد: status، leaked (نام‌های ردیابی که سرور مقصد همچنان دریافت کرد) و missing (نام‌هایی که سایت لازم داشت اما از دست داد).

امتحان کنید پیوندی را از یک خبرنامه یا یک سایت اجتماعی کپی کنید و در یک ویرایشگر متن بچسبانید. ? را پیدا کنید و هر نام پیش از یک = را بخوانید. سپس پیوند را در یک پنجرهٔ خصوصی Firefox باز کنید و نوار نشانی را مقایسه کنید: نام‌های ردیابی شناخته‌شده حذف شده‌اند.

در زبان‌های دیگر

همان پاک‌کننده در JavaScript، با کلاس داخلی URL:

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#، با 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();

خلاصه

  • آراستن پیوند شناسه‌ها را در نشانی حمل می‌کند، جایی که بخش‌بندی به آن نمی‌رسد.
  • هر پیمایش را پاک کنید، از جمله گام‌های تغییرمسیر، و منابع فرعی را به حال خود بگذارید.
  • هرگز پیمایشی را که شخص انتخاب کرده مسدود نکنید: پاکش کنید.
  • نام‌های کوتاه و عمومی به یک فهرست مجاز برای هر سایت نیاز دارند، وگرنه ورودها و پرداخت‌ها می‌شکنند.
نوبت شما

با استفاده از TRACKING_PARAMS، TRACKING_PREFIXES و ALLOWLIST از watched.leg6b_links، is_tracking(name, site) را بنویسید: True وقتی نام با حروف کوچک در TRACKING_PARAMS باشد یا با یک پیشوند شروع شود، و در ALLOWLIST.get(site, set()) نباشد. clean_url(url) را بنویسید، که هر جفت ردیابی را برای سایت آن URL حذف می‌کند، بقیه را به ترتیب نگه می‌دارد، و بخش fragment را نگه می‌دارد. blocker(request) را بنویسید: برای request.kind برابر "document" یا "form"، clean_url(request.url) را برگردانید؛ وگرنه "allow" را برگردانید. سپس results = run_journeys(blocker) را تنظیم کنید. پاک‌کردن را خودتان بنویسید: از is_tracking_name یا reference_clean ماژول 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.