Programma Lezione 124 di 156 · Costruisci le difese
Costruisci le difese

Pulire i link durante la navigazione

Perché è importante Il partizionamento tiene gli ID fuori dallo storage condiviso, ma non può vedere un ID scritto nel link stesso. Quando fai clic su shopa.example/p/tent?fbclid=IwAR0x9k2, l'ID viaggia nell'indirizzo e il sito successivo lo legge direttamente dall'URL. Un motore può togliere quei nomi da ogni navigazione prima che la richiesta lasci il tuo dispositivo. La parte difficile è farlo senza rompere i link di accesso e di pagamento, che sembrano uguali.

Immagina un ufficio postale che stacca gli adesivi pubblicitari da ogni busta prima della consegna. È un buon servizio, finché non stacca il numero d'ordine di cui un negozio ha bisogno per trovare il tuo pacco. Così l'ufficio postale tiene un breve elenco: "gli adesivi chiamati ref restano sulle buste per l'ufficio pagamenti".

Decorazione dei link: un ID o un tag di campagna aggiunto alla query string di un link, la parte dopo ?, come utm_source=news o gclid=Cj0KCQ7.

Parametro della query: una coppia name=value nella query string. Le coppie sono separate da &.

Navigazione: caricare una pagina intera nella scheda: scrivere un indirizzo, fare clic su un link, o seguire lungo la strada un salto di reindirizzamento. Le immagini e gli script dentro una pagina non sono navigazioni.

Elenco di eccezioni (allowlist): un breve elenco di eccezioni: nomi di cui un certo sito ha bisogno, tenuti anche se sono nell'elenco da togliere.

Perché durante la navigazione, e solo lì

Nella Tappa 2 hai scritto un pulitore di link come funzione. Dentro un motore gira su ogni navigazione, compreso ogni salto di reindirizzamento. Questo conta: un server dei clic come deco.example/out?to=... può aggiungere adco_id al link mentre passa, dopo che hai fatto clic. Solo un pulitore che vede ogni salto lo toglie.

I motori lasciano stare gli indirizzi di immagini, script e frame. Gli script di una pagina possono inviare un ID come vogliono, quindi pulire quegli indirizzi protegge poco e rompe molto.

Alcuni browser veri lo fanno oggi (verificato a ottobre 2026). Per esempio, Firefox toglie un elenco di parametri di tracciamento noti nella modalità Rigorosa e nelle finestre private, Safari ne toglie alcuni nella Navigazione privata, e Brave toglie per impostazione predefinita un elenco di parametri noti. Ogni elenco è breve e scelto con cura, per il motivo che spiega la prossima sezione.

Perché esiste l'elenco di eccezioni

Alcuni nomi sono sempre e solo tracker, come fbclid o utm_campaign. I nomi brevi e generici sono più delicati. Nel mondo di esercitazione, ref è un tag di affiliazione su ShopC ma il riferimento dell'ordine su pay.example; cid è un ID di statistiche su ShopA ma l'ID di accesso dell'app su signin.example. Toglili ovunque e pagamenti e accessi falliscono. Il modulo ti dà:

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"}}

Confronta i nomi in minuscolo: UTM_Source è comunque un tag di campagna. name.lower() dà il testo in minuscolo, e name.startswith(TRACKING_PREFIXES) controlla tutti i prefissi della tupla in una volta.

Smontare un URL e rimontarlo

urllib.parse di Python fa le parti complicate. Non tagliare mai gli URL con semplici trucchi sul testo: i valori possono contenere caratteri codificati come %20.

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 ...] è una list comprehension: un modo breve per scrivere "crea una nuova lista con le coppie che passano questo test". Quando non resta nessuna coppia, urlencode([]) è vuoto e urlunsplit toglie il ? al posto tuo. parts.netloc è l'host più l'eventuale porta; il sito per l'elenco di eccezioni viene da site_of(url).

Collegarlo al motore

Il browser di esercitazione accetta un blocker(request) che vede ogni richiesta, salti di reindirizzamento compresi. Può restituire "allow", "block", o un nuovo URL da usare al suo posto. request.kind è "document" o "form" per le navigazioni. Il tuo blocker pulisce quelle e lascia passare tutto il resto senza toccarlo. Nota che non restituisce mai "block" per una navigazione: la persona ha scelto di andarci, quindi il motore pulisce il viaggio invece di annullarlo.

run_journeys(blocker) segue dieci link decorati, attraverso reindirizzamenti, pagamenti e accessi, e riporta per ciascuno: status, leaked (i nomi di tracciamento che il server di arrivo ha comunque ricevuto) e missing (i nomi di cui il sito aveva bisogno ma che ha perso).

Provalo Copia un link da una newsletter o da un social e incollalo in un editor di testo. Trova il ? e leggi ogni nome prima di un =. Poi apri il link in una finestra privata di Firefox e confronta la barra degli indirizzi: i nomi di tracciamento noti sono spariti.

In altri linguaggi

Lo stesso pulitore in JavaScript, con la classe integrata 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#, con 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();

Riepilogo

  • La decorazione dei link porta gli ID nell'indirizzo, dove il partizionamento non arriva.
  • Pulisci ogni navigazione, salti di reindirizzamento compresi, e lascia stare le sottorisorse.
  • Non bloccare mai una navigazione che la persona ha scelto: puliscila.
  • I nomi brevi e generici hanno bisogno di un elenco di eccezioni per sito, altrimenti accessi e pagamenti si rompono.
Tocca a te

Usando TRACKING_PARAMS, TRACKING_PREFIXES e ALLOWLIST da watched.leg6b_links, scrivi is_tracking(name, site): True quando il nome in minuscolo è in TRACKING_PARAMS o inizia con un prefisso, e non è in ALLOWLIST.get(site, set()). Scrivi clean_url(url), che toglie ogni coppia di tracciamento per il sito di quell'URL, tiene le altre in ordine, e tiene il frammento. Scrivi blocker(request): per request.kind "document" o "form" restituisci clean_url(request.url); altrimenti restituisci "allow". Poi imposta results = run_journeys(blocker). Scrivi tu la pulizia: non usare is_tracking_name o reference_clean del modulo.

Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione

Questo esercizio si apre presto

Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.