Programma Lezione 37 di 156 · HTTP visto da dentro
HTTP visto da dentro

URL e pulizia dei link

Perché è importante Quando i cookie sono bloccati o partizionati, i tracker portano il tuo ID nel link stesso, e ogni volta che copi e condividi un link così passi con lui anche l'ID del clic. Un pulitore di link toglie quella decorazione a ogni navigazione senza rompere la pagina. Browser e blocker ne hanno uno; qui scrivi il tuo, e il modulo sul blocker riusa l'idea.

Pensa all'etichetta di un pacco. L'indirizzo è ciò che serve al corriere. Gli adesivi aggiunti lungo la strada da chiunque l'abbia maneggiato ("arrivato dalla newsletter", "cliente numero 7f3a") no. Pulire un link significa staccare gli adesivi lasciando l'indirizzo esattamente com'era.

URL: un indirizzo web, in parti: https://shopa.example:443/p/tent?colour=green#reviews ha uno schema (https), un host (shopa.example), una porta (443), un percorso (/p/tent), una query (colour=green) e un frammento (reviews, che resta nel browser e non viene inviato al server).

Parametro della query: un pezzo name=value della query, separato dagli altri da &.

Decorazione dei link: parametri aggiunti a un link per portare un ID o un'etichetta di campagna da un sito all'altro, come utm_source, fbclid o gclid.

Due lavori: normalizzare, poi togliere

Normalizzare significa scrivere lo stesso indirizzo sempre allo stesso modo. Schema e host non distinguono maiuscole e minuscole, quindi HTTPS://SHOPA.Example diventa https://shopa.example. La porta 443 è quella predefinita per HTTPS (80 per HTTP), quindi scriverla non aggiunge niente. Un percorso vuoto è /. Il percorso stesso distingue maiuscole e minuscole su molti server, quindi lascialo stare.

Togliere significa rimuovere solo i parametri di tracciamento. STRIP_PARAMS in watched.leg2c_http elenca i nomi degli ID di clic e delle campagne (da piattaforme pubblicitarie, strumenti per le email e social), e se ne va anche ogni nome che inizia con utm_. Confronta i nomi in minuscolo e dopo averli decodificati (utm%5Fsource è utm_source travestito). Tutto il resto resta esattamente com'è scritto: q=red+tent non deve diventare q=red%20tent, e per alcuni siti l'ordine conta.

Codifica percentuale: scrivere un carattere come % più due cifre esadecimali, così può viaggiare in sicurezza in un URL: %5F è _, %26 è &. urllib.parse.unquote lo riporta indietro.

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')

Perché non ricostruire la query con urlencode? Perché ricodifica i valori e può cambiarli in silenzio. Dividere la query grezza su & e tenere i pezzi intatti è più sicuro. Un indirizzo annidato come ?to=https%3A%2F%2F...%3Futm_source%3Dx è un valore codificato di un parametro normale; qui lascialo stare (scartare i link di rimbalzo è un lavoro per la prossima lezione e per il blocker).

Un equivoco comune

"Togli tutti i parametri per sicurezza." Così si rompono i risultati di ricerca (q=), i numeri di pagina (page=2) e, peggio di tutto, i link per reimpostare la password e per accedere (token=). Uno dei 40 casi corretti è proprio quel link di reimpostazione. I pulitori nei browser usano un elenco per lo stesso motivo (verificato a ottobre 2026).

Provalo Copia in un editor di testo un link da una newsletter o da un post sui social. Riesci a vedere parametri utm_ o un lungo ID di clic? Toglili, apri il link più corto, e controlla che la pagina funzioni ancora.

In altri linguaggi

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) };

Riepilogo

  • Normalizza le parti che non distinguono maiuscole e minuscole (schema, host), togli le porte predefinite, e trasforma un percorso vuoto in /.
  • Togli solo i parametri di tracciamento noti, confrontati in minuscolo dopo la decodifica; tieni ogni altro pezzo esattamente com'è scritto e in ordine.
  • Tieni il frammento, lascia stare i link non web, e non togliere mai i token di cui una pagina ha bisogno.
Tocca a te

Scrivi is_tracking_param(name): True quando il nome, decodificato con unquote e messo in minuscolo, inizia con utm_ o è in STRIP_PARAMS. Poi scrivi clean_link(url): lascia invariati i link che non sono http/https; metti in minuscolo schema e host (tieni ogni parte user@ esattamente com'è scritta, e le parentesi quadre attorno a un indirizzo IPv6); togli una porta predefinita; trasforma un percorso vuoto in /; dividi la query su &, togli i pezzi vuoti e i parametri di tracciamento, tieni il resto esattamente com'è scritto e in ordine; niente ? quando non resta niente; tieni il #fragment. Viene corretto sui 40 casi in LINK_CASES più link casuali.

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.