पाठ्यक्रम 156 में से पाठ 37 · अंदर से HTTP
अंदर से HTTP

URLs और link सफ़ाई

यह क्यों मायने रखता है जब cookies रुकी या partitioned हों, तो trackers आपकी ID link में ही ले जाते हैं, और हर बार जब आप ऐसा link copy करके साझा करते हैं तो आप उसके साथ click ID आगे दे देते हैं। एक link cleaner हर navigation पर पन्ना तोड़े बिना वह decoration हटाता है। ब्राउज़र और blockers एक ship करते हैं; यहाँ आप अपना लिखते हैं, और blocker मॉड्यूल वह विचार दोबारा इस्तेमाल करता है।

एक parcel label की सोचें। पता वह है जिसकी courier को ज़रूरत है। रास्ते में उसे संभालने वाले हर किसी के जोड़े stickers ("newsletter से आया", "ग्राहक नंबर 7f3a") नहीं। एक link साफ़ करने का मतलब है stickers उतारना जबकि पता ठीक वैसा ही छोड़ना।

URL: एक वेब पता, हिस्सों में: https://shopa.example:443/p/tent?colour=green#reviews में एक scheme (https), एक host (shopa.example), एक port (443), एक path (/p/tent), एक query (colour=green) और एक fragment (reviews, जो ब्राउज़र में रहता है और server को नहीं भेजा जाता) है।

Query parameter: query का एक name=value टुकड़ा, दूसरों से & से अलग।

Link decoration: एक link में एक ID या campaign label एक साइट से दूसरी तक ले जाने के लिए जोड़े parameters, जैसे utm_source, fbclid या gclid।

दो काम: normalise करें, फिर हटाएँ

Normalise का मतलब है एक ही पते को हर बार एक ही तरह लिखना। Scheme और host case sensitive नहीं, इसलिए HTTPS://SHOPA.Example बनता है https://shopa.example। Port 443 HTTPS का डिफ़ॉल्ट है (HTTP के लिए 80), इसलिए उसे लिखना कुछ नहीं जोड़ता। एक ख़ाली path / है। path ख़ुद कई servers पर case sensitive है, इसलिए उसे छोड़ दें।

हटाने का मतलब है सिर्फ़ tracking parameters हटाना। watched.leg2c_http में STRIP_PARAMS click-ID और campaign नाम सूचीबद्ध करता है (विज्ञापन platforms, email औज़ारों और social साइटों से), और utm_ से शुरू होने वाला हर नाम भी जाता है। नामों की तुलना छोटे अक्षरों में और decode करने के बाद करें (utm%5Fsource भेस में utm_source है)। बाक़ी सब ठीक जैसा लिखा वैसा रहता है: q=red+tent को q=red%20tent नहीं बनना चाहिए, और क्रम कुछ साइटों के लिए मायने रखता है।

Percent-encoding: एक अक्षर को % और दो hex अंकों के रूप में लिखना, ताकि वह एक URL में सुरक्षित चल सके: %5F है _, %26 है &। urllib.parse.unquote उसे वापस बदलता है।

from urllib.parse import urlsplit
parts = urlsplit("https://Shop.Example:443/p?utm_source=x&id=5#top")
parts.scheme, parts.hostname, parts.port, parts.path, parts.query, parts.fragment
# ('https', 'shop.example', 443, '/p', 'utm_source=x&id=5', 'top')

query को urlencode से फिर क्यों न बनाएँ? क्योंकि यह मानों को फिर से encode करता है और चुपचाप उन्हें बदल सकता है। कच्ची query को & पर बाँटकर अछूते टुकड़े रखना ज़्यादा सुरक्षित है। ?to=https%3A%2F%2F...%3Futm_source%3Dx जैसा एक nested पता एक सामान्य parameter का एक encoded मान है; यहाँ उसे छोड़ दें (bounce links खोलना अगले पाठ और blocker का काम है)।

एक आम ग़लतफ़हमी

"सुरक्षित रहने के लिए हर parameter हटा दो।" यह search नतीजे (q=), पन्ना संख्याएँ (page=2) और, सबसे बुरा, password-reset और login links (token=) तोड़ता है। 40 अंक वाले मामलों में से एक ठीक वह reset link है। ब्राउज़रों के cleaners इसी कारण से एक सूची इस्तेमाल करते हैं (अक्टूबर 2026 में जाँचा)।

आज़माएँ एक newsletter email या एक social media post से एक link एक text editor में copy करें। क्या आप utm_ parameters या एक लंबी click ID पहचान सकते हैं? उन्हें हटाएँ, छोटा link खोलें, और जाँचें कि पन्ना अब भी काम करता है।

दूसरी भाषाओं में

JavaScript:

function cleanLink(link) {
  const u = new URL(link);                 // lower-cases host, drops default port
  if (!["http:", "https:"].includes(u.protocol)) return link;
  const kept = u.search.slice(1).split("&").filter(piece => {
    const name = decodeURIComponent(piece.split("=")[0]).toLowerCase();
    return piece && !name.startsWith("utm_") && !STRIP.has(name);
  });
  u.search = kept.length ? "?" + kept.join("&") : "";
  return u.toString();
}

C#:

var u = new Uri(link);
var kept = u.Query.TrimStart('?').Split('&')
    .Where(p => p != "" && !IsTracking(Uri.UnescapeDataString(p.Split('=')[0])));
var b = new UriBuilder(u) { Query = string.Join("&", kept) };

सार

  • case sensitive न होने वाले हिस्से (scheme, host) normalise करें, default ports हटाएँ, और एक ख़ाली path को / में बदलें।
  • सिर्फ़ जाने-माने tracking parameters हटाएँ, decode के बाद छोटे अक्षरों में तुलना करके; हर दूसरा टुकड़ा ठीक जैसा लिखा और क्रम में रखें।
  • fragment रखें, non-web links छोड़ दें, और कभी वे tokens न हटाएँ जिनकी एक पन्ने को ज़रूरत है।
आपकी बारी

is_tracking_param(name) लिखें: True जब नाम, unquote से percent-decode और छोटे अक्षरों में किया, utm_ से शुरू हो या STRIP_PARAMS में हो। फिर clean_link(url) लिखें: non-http/https links बिना बदले छोड़ें; scheme और host छोटे अक्षरों में करें (कोई भी user@ हिस्सा ठीक जैसा लिखा रखें, और एक IPv6 पते के चारों ओर वर्ग कोष्ठक); एक default port हटाएँ; एक ख़ाली path को / में बदलें; query को & पर बाँटें, ख़ाली टुकड़े और tracking parameters हटाएँ, बाक़ी ठीक जैसा लिखा और क्रम में रखें; कुछ न बचे तो कोई ? नहीं; #fragment रखें। इसे LINK_CASES के 40 मामलों और रैंडम links पर अंक मिलते हैं।

इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें

यह अभ्यास जल्द खुलेगा

इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।