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.
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.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.