Conteúdo do curso Lição 124 de 156 · Construa as defesas
Construa as defesas

Limpar links na navegação

Por que isso importa O particionamento mantém os IDs fora do armazenamento compartilhado, mas não enxerga um ID escrito no próprio link. Quando você clica em shopa.example/p/tent?fbclid=IwAR0x9k2, o ID vai junto no endereço e o próximo site o lê direto da URL. Um motor pode tirar esses nomes de toda navegação antes de a requisição sair do seu dispositivo. A parte difícil é fazer isso sem quebrar os links de login e de pagamento que parecem iguais.

Imagine uma agência dos correios que descola os adesivos de propaganda de todo envelope antes da entrega. É um bom serviço, até descolar o número do pedido de que uma loja precisa para achar a sua encomenda. Então a agência mantém uma lista curta: "adesivos chamados ref ficam nos envelopes para o setor de pagamentos".

Decoração de links: um ID ou tag de campanha adicionado à string de consulta de um link, a parte depois do ?, como utm_source=news ou gclid=Cj0KCQ7.

Parâmetro de consulta: um par name=value na string de consulta. Os pares são separados por &.

Navegação: carregar uma página inteira na aba: digitar um endereço, clicar num link ou seguir um salto de redirecionamento no caminho. Imagens e scripts dentro de uma página não são navegações.

Lista de permissões: uma lista curta de exceções: nomes de que um site específico precisa, mantidos mesmo estando na lista de remoção.

Por que na hora da navegação, e só ali

Na Etapa 2 você escreveu um limpador de links como uma função. Dentro de um motor, ele roda em toda navegação, incluindo cada salto de redirecionamento. Isso importa: um servidor de cliques como deco.example/out?to=... pode adicionar adco_id ao link no caminho, depois que você clicou. Só um limpador que vê cada salto o remove.

Os motores deixam em paz os endereços de imagens, scripts e quadros. Os próprios scripts de uma página podem enviar um ID do jeito que quiserem, então limpar esses endereços protege pouco e quebra muito.

Alguns navegadores reais fazem isso hoje (verificado em outubro de 2026). Por exemplo, o Firefox remove uma lista de parâmetros de rastreamento conhecidos no modo Rigoroso e nas janelas privadas, o Safari remove alguns na Navegação Privada, e o Brave remove uma lista de parâmetros conhecidos por padrão. Cada lista é curta e escolhida com cuidado, pelo motivo que a próxima seção explica.

Por que a lista de permissões existe

Alguns nomes são sempre rastreadores, como fbclid ou utm_campaign. Nomes curtos e genéricos são mais complicados. No mundo de prática, ref é uma tag de afiliado na ShopC, mas é a referência do pedido em pay.example; cid é um ID de análise na ShopA, mas é o ID de login do app em signin.example. Remova-os em todo lugar e os pagamentos e logins falham. O módulo dá a você:

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"}}

Compare os nomes em minúsculas: UTM_Source continua sendo uma tag de campanha. name.lower() dá o texto em minúsculas, e name.startswith(TRACKING_PREFIXES) confere todos os prefixos da tupla de uma vez.

Desmontando uma URL e montando de volta

O urllib.parse do Python faz as partes chatas. Nunca corte URLs com truques simples de texto: os valores podem conter caracteres codificados como %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 ...] é uma list comprehension: um jeito curto de escrever "crie uma nova lista com os pares que passam neste teste". Quando não sobra nenhum par, urlencode([]) fica vazio e urlunsplit tira o ? para você. parts.netloc é o host mais a porta, se houver; o site para a lista de permissões vem de site_of(url).

Conectando ao motor

O navegador de prática recebe um blocker(request) que vê toda requisição, incluindo os saltos de redirecionamento. Ele pode retornar "allow", "block" ou uma nova URL para usar no lugar. request.kind é "document" ou "form" para navegações. O seu bloqueador limpa essas e permite todo o resto sem mexer. Repare que ele nunca retorna "block" para uma navegação: a pessoa escolheu ir para lá, então o motor limpa a viagem em vez de cancelá-la.

run_journeys(blocker) segue dez links decorados, passando por redirecionamentos, pagamentos e logins, e informa para cada um: status, leaked (nomes de rastreamento que o servidor de chegada ainda recebeu) e missing (nomes de que o site precisava, mas perdeu).

Experimente Copie um link de uma newsletter ou de uma rede social e cole num editor de texto. Encontre o ? e leia cada nome antes de um =. Depois abra o link numa janela privada do Firefox e compare a barra de endereço: os nomes de rastreamento conhecidos sumiram.

Em outras linguagens

O mesmo limpador em JavaScript, com a classe embutida 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#, com 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();

Resumo

  • A decoração de links leva IDs no endereço, onde o particionamento não alcança.
  • Limpe toda navegação, incluindo os saltos de redirecionamento, e deixe os sub-recursos em paz.
  • Nunca bloqueie uma navegação que a pessoa escolheu: limpe-a.
  • Nomes curtos e genéricos precisam de uma lista de permissões por site, senão logins e pagamentos quebram.
Sua vez

Usando TRACKING_PARAMS, TRACKING_PREFIXES e ALLOWLIST de watched.leg6b_links, escreva is_tracking(name, site): True quando o nome em minúsculas está em TRACKING_PARAMS ou começa com um prefixo, e não está em ALLOWLIST.get(site, set()). Escreva clean_url(url), que remove todos os pares de rastreamento para o site daquela URL, mantém os outros em ordem e mantém o fragmento. Escreva blocker(request): para request.kind "document" ou "form", retorne clean_url(request.url); senão, retorne "allow". Depois defina results = run_journeys(blocker). Escreva a limpeza você mesmo: não use is_tracking_name nem reference_clean do módulo.

Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição

Este exercício abre em breve

Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.