Silabus Pelajaran 114 dari 156 · Cara browser memutuskan
Cara browser memutuskan

Situs, asal, dan "same site

Kenapa ini penting Setiap aturan privasi di dalam browser dimulai dengan satu pertanyaan: "situs mana ini?" Cookies, partitions, SameSite, daftar tracker dan bounce detection semuanya mengelompokkan hal-hal di bawah sebuah situs. Jika sebuah engine salah menjawab ini, sebuah tracker bisa menyelinap di antara dua jar, atau dua blog orang asing bisa berakhir berbagi satu. Di pelajaran ini kamu menulis jawabannya sendiri.

Bayangkan sebuah blok apartemen. Alamat jalan (example) dipakai bersama oleh semua orang, jadi itu tidak memberitahumu siapa tinggal di mana. Nomor unit ditambah jalan (shopa.example) adalah satu rumah tangga. Kamar di dalam unit (cdn.shopa.example, www.shopa.example) semuanya milik rumah tangga yang sama. Browser menginginkan rumah tangga tersebut.

Tiga kata yang kamu butuhkan

Host: bagian nama dari sebuah URL, seperti cdn.shopa.example di https://cdn.shopa.example:8443/lib.js. Ini terdiri dari labels yang dipisahkan oleh titik: cdn, shopa, example.

Origin: skema, host dan port bersamaan, seperti https://cdn.shopa.example:8443. Ini adalah batas paling ketat: https://www.shopa.example dan https://shopa.example adalah origin yang berbeda.

Site: bagian dari host yang didaftarkan oleh satu pemilik, juga disebut registrable domain: shopa.example untuk semua host di atas. Fitur privasi seperti partitioning dan SameSite bekerja pada situs, karena satu pemilik mengontrol setiap host di bawahnya.

Daftar sufiks publik

"Ambil dua label terakhir" berhasil untuk shopa.example, tapi gagal untuk practice-shop.co.uk: dua label terakhir adalah co.uk, yang dimiliki oleh ribuan perusahaan tidak terkait. Jadi browser membawa daftar sufiks publik, sebuah file panjang berisi akhiran di mana siapa pun bisa mendaftarkan nama.

Suffix publik: akhiran yang tidak dimiliki siapa pun secara utuh, seperti com, co.uk atau github.io. Situs adalah suffix publik ditambah one label lebih banyak di sebelah kirinya.

Daftar ini juga menyimpan akhiran "private" yang ditambahkan oleh layanan hosting. github.io ada di dalamnya, jadi alice.github.io dan bob.github.io adalah dua situs berbeda, meskipun satu perusahaan menjalankan servernya. Tanpa entri itu, blog Alice bisa mengatur cookie yang diterima oleh blog Bob. Di dunia praktik kita, pages.example memainkan peran yang sama.

Aturan yang diterapkan oleh browser:

  1. Ubah host jadi huruf kecil, hapus port, dan hapus titik di akhir (shopa.example. adalah cara sah menulis shopa.example).
  2. Cari bagian terpanjang dari host yang ada di daftar. Untuk a.b.practice-charity.org.uk, baik uk maupun org.uk terdaftar; org.uk yang menang.
  3. Situsnya adalah bagian akhir itu ditambah satu label di sebelah kirinya.
  4. Jika host is adalah public suffix (seperti plain github.io), maka site adalah host itu sendiri.
  5. Jika tidak ada akhiran yang terdaftar yang cocok sama sekali, anggap label terakhir sebagai sufiks. Jadi dev.app.zz punya situs app.zz.

List nyata juga punya beberapa aturan wildcard dan pengecualian, dan alamat IP adalah situsnya sendiri. Engine menangani itu juga; kamu bisa mengabaikannya di sini.

Schemeful same-site

Browser lama hanya membandingkan domain yang bisa didaftarkan, jadi http://shopa.example dan https://shopa.example dianggap "same site". Standar web saat ini mendefinisikan same-site sebagai schemeful: skema adalah bagian dari situs, jadi halaman http biasa dihitung sebagai situs berbeda yang tidak terpercaya. Itu penting karena siapa pun di Wi-Fi kafe kamu bisa mengubah halaman http, dan halaman itu tidak boleh bisa mengambil cookie SameSite dari situs https.

ABAsal yang sama?Situs yang sama?
https://www.shopa.examplehttps://shopa.exampleNoYa
https://alice.github.iohttps://bob.github.ioNoNo
http://shopa.examplehttps://shopa.exampleNoNo (malu-malu)
https://shopa.example:8443https://shopa.exampleNoYa (port tidak dihitung)

Python yang kamu butuhkan

Selain variabel, if, list, dan fungsi, kamu butuh empat alat kecil. Masing-masing ditampilkan di sini dengan apa yang dicetaknya.

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)

A trik keren: kalau kamu coba akhiran dari yang longest (labels[0:]) ke yang terpendek, yang pertama kamu temukan di daftar otomatis jadi kecocokan terpanjang.

Coba ya Sebelum menulis kode, kerjakan tiga soal pakai tangan: www.alice.pages.example, news.practice-paper.co.uk dan zz. Kamu harus dapat alice.pages.example, practice-paper.co.uk dan zz.

Di bahasa lain

Proyek nyata menggunakan salinan daftar suffix publik yang terus diperbarui daripada milik mereka sendiri:

// 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"

Kesalahpahaman umum

"Sama site berarti sama origin, cuma bahasanya lebih longgar." Mereka adalah batasan yang berbeda. Origin adalah apa yang digunakan JavaScript untuk memisahkan halaman (siapa boleh baca data siapa). Site adalah apa yang digunakan fitur privasi untuk memutuskan apa yang dihitung sebagai satu pihak (cookie siapa yang berpindah, jar mana yang didapat embed). www.shopa.example dan shopa.example adalah origin yang berbeda tapi satu site.

Ringkasan

  • A adalah public suffix ditambah satu label; daftar public suffix menunjukkan di mana suffix berakhir.
  • Suffix terpanjang yang terdaftar yang menang, dan suffix privat seperti github.io membuat sub-situs setiap pengguna menjadi situsnya sendiri.
  • Schemeful same-site menghitung skema, jadi versi http dan https dari sebuah domain adalah situs yang berbeda.
  • Origins menjaga halaman tetap terpisah; situs menentukan pihak mana yang mana.
Giliranku

Tulis empat fungsi, lalu gunakan pada 30 URL latihan.

  1. host_from_url(url): host dari url, huruf kecil, tanpa port dan tanpa titik di akhir.
  2. site_for(url, suffixes): situs dari url, menggunakan set suffixes sebagai daftar suffix publik dan lima aturan dari pelajaran (suffix terpanjang yang terdaftar ditambah satu label; host yang merupakan suffix adalah situsnya sendiri; jika tidak ada yang cocok, label terakhir adalah suffixnya).
  3. schemeful_site(url, suffixes): skemanya, lalu ://, lalu situsnya, contohnya "https://shopa.example".
  4. is_same_site(a, b, suffixes): True saat kedua URL memiliki site yang sama.
Terakhir, atur SITES menjadi list berisi situs dari setiap URL di PRACTICE_URLS, secara berurutan, menggunakan PRACTICE_SUFFIXES. Tulis logikanya sendiri: jangan gunakan site_of atau same_site dari watched.

Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini

Latihan ini akan segera dibuka

Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.