سرفصل‌ها درس 39 از 156 · درون یک ردیاب (در دنیای تمرینی)
درون یک ردیاب (در دنیای تمرینی)

دنیای تمرینی

چرا مهم است در این ماژول به درون ردیابی نگاه می‌کنید که واقعی به نظر می‌رسد و دقیقاً می‌خوانید دربارهٔ یک شخص چه می‌فهمد. دیدن داده‌ها با چشم خودتان سریع‌ترین راه برای فهمیدن این است که چرا مرورگرها با ردیاب‌ها می‌جنگند، و کدام دفاع‌ها واقعاً کار می‌کنند.

همه‌چیز در این ماژول در دنیای تمرینی رخ می‌دهد: یک وب ساختگی کوچک که درون Python زندگی می‌کند. هیچ چیز اینجا به یک وب‌سایت واقعی، یک مرورگر واقعی یا یک شخص واقعی دست نمی‌زند. یک قطار اسباب‌بازی برای وب است.

دنیای تمرینی: وب شبیه‌سازی‌شدهٔ دوره، که بستهٔ watched آن را می‌سازد. چند سایت خیالی، یک خریدار خیالی و مرورگری دارد که از نسخه‌های ساده‌شدهٔ قواعد کوکی و ذخیره‌سازی مرورگرهای واقعی پیروی می‌کند.

چه کسانی آنجا زندگی می‌کنند

  • سه فروشگاه: shopa.example (وسایل فضای باز)، shopb.example (یک داروخانه) و shopc.example (وسایل خانه و کودک).
  • AdCo در adco.example: یک شبکهٔ تبلیغاتی. هر سه فروشگاه اسکریپت کوچک AdCo را در صفحه‌هایشان می‌چسبانند، همان‌طور که فروشگاه‌های واقعی برچسب‌های تبلیغ و تحلیل اضافه می‌کنند.
  • سام: تنها خریدار خیالی ما، با یک مرورگر و چند علاقه.

هر صفحه در فروشگاه‌ها یک دسته (category) دارد، مانند running یا baby، همان‌طور که فروشگاه‌های واقعی صفحه‌ها را برای جست‌وجو و آگهی برچسب می‌زنند.

AdCo از قبل یک ردیاب اجرا می‌کند

شما ردیابی نمی‌نویسید. AdCo از قبل یکی را روشن کرده، همان‌طور که یک شبکهٔ تبلیغاتی واقعی می‌کرد. هر بار که سام صفحهٔ یک فروشگاه را می‌بیند، اسکریپت AdCo صفحه را به AdCo گزارش می‌دهد، و AdCo یک گزارش نگه می‌دارد. کار شما در این ماژول خواندن آن گزارش مثل یک بازرس است، سپس روشن‌کردن دفاع‌های مرورگر و تماشای اینکه چه تغییر می‌کند.

گزارش سرور (server log): فهرست هر درخواستی که یک وب‌سایت دریافت می‌کند. وب‌سایت‌های واقعی هم گزارش نگه می‌دارند؛ اغلب اولین جایی است که مشکلات حریم خصوصی خودشان را نشان می‌دهند.

بذر (seed): عددی آغازین برای انتخاب‌های «تصادفی» شبیه‌ساز. همان بذر همیشه همان دنیا و همان مرور را می‌دهد، پس عددهای شما با آزمون‌ها جور می‌شود.

یک تابع کمکی کار را انجام می‌دهد: practice_log. یک دنیا و فهرستی از صفحه‌ها به آن می‌دهید؛ به سام اجازه می‌دهد با روشن‌بودن ردیاب AdCo آن‌ها را مرور کند، و گزارش AdCo را به شکل فهرستی از رکوردهای کوچک پس می‌دهد.

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])

یک رکورد این شکلی است:

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

cookie_id کوکی AdCo است که مرورگر سام با گزارش فرستاد، اگر بود. اولین رکورد cookie_id برابر None دارد، چون مرورگر سام هنوز کوکی AdCo ندارد. url_id و traits فعلاً None می‌مانند؛ بعداً در ماژول (درس‌های 42 و 43) پر می‌شوند، وقتی AdCo ترفندهای دیگری را امتحان می‌کند.

امتحان کنید یک سایت خرید واقعی را باز کنید، سپس ابزارهای توسعه‌دهندهٔ مرورگرتان را باز کنید (راست‌کلیک، سپس Inspect) و به زبانهٔ Network بروید. صفحه را دوباره بارگذاری کنید و در جعبهٔ فیلتر pixel یا collect را تایپ کنید. هر خط گزارشی به یک شرکت است، درست مثل گزارش‌های AdCo.

خلاصه

  • دنیای تمرینی یک وب ساختگی درون Python است: سه فروشگاه، یک شبکهٔ تبلیغاتی، یک خریدار.
  • ردیاب AdCo از قبل در حال اجراست؛ گزارشش را می‌خوانید، خودتان یکی نمی‌سازید.
  • practice_log(world, pages) برای هر صفحه‌ای که سام دید یک رکورد برمی‌گرداند.

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.