Chương trình học Bài 124 trên tổng số 156 · Xây các cách phòng thủ
Xây các cách phòng thủ

Làm sạch liên kết khi điều hướng

Vì sao điều này quan trọng Phân vùng giữ ID khỏi kho dùng chung, nhưng nó không thấy được một ID viết ngay trong liên kết. Khi bạn nhấn shopa.example/p/tent?fbclid=IwAR0x9k2, ID đi kèm trong địa chỉ và trang tiếp theo đọc nó thẳng từ URL. Một engine có thể loại bỏ những cái tên đó khỏi mọi lần điều hướng trước khi yêu cầu rời khỏi thiết bị của bạn. Phần khó là làm việc đó mà không làm hỏng các liên kết đăng nhập và thanh toán trông y hệt.

Hãy hình dung một bưu điện bóc các nhãn quảng cáo khỏi mọi phong bì trước khi giao. Đó là một dịch vụ tốt, cho tới khi nó bóc mất số đơn hàng mà một cửa hàng cần để tìm bưu kiện của bạn. Nên bưu điện giữ một danh sách ngắn: "các nhãn tên ref được giữ lại trên phong bì gửi văn phòng thanh toán".

Trang trí liên kết: một ID hay thẻ chiến dịch được thêm vào chuỗi truy vấn của một liên kết, phần sau dấu ?, như utm_source=news hay gclid=Cj0KCQ7.

Tham số truy vấn: một cặp name=value trong chuỗi truy vấn. Các cặp được ngăn cách bằng &.

Điều hướng: tải cả một trang trong thẻ: gõ một địa chỉ, nhấn một liên kết, hoặc đi theo một chặng chuyển hướng trên đường. Ảnh và script bên trong một trang không phải là điều hướng.

Danh sách cho phép (allowlist): một danh sách ngắn các ngoại lệ: những cái tên mà một trang cụ thể cần, được giữ lại dù chúng nằm trong danh sách cần loại bỏ.

Vì sao lúc điều hướng, và chỉ ở đó

Ở Chặng 2 bạn đã viết một bộ làm sạch liên kết dưới dạng một hàm. Bên trong một engine nó chạy trên mọi lần điều hướng, kể cả từng chặng chuyển hướng. Điều đó quan trọng: một máy chủ đếm cú nhấn như deco.example/out?to=... có thể thêm adco_id vào liên kết trên đường đi qua, sau khi bạn đã nhấn. Chỉ một bộ làm sạch thấy được mọi chặng mới loại bỏ được nó.

Các engine để yên địa chỉ của ảnh, script và khung. Script của chính một trang có thể gửi một ID theo bất kỳ cách nào chúng muốn, nên làm sạch những địa chỉ đó bảo vệ được ít mà làm hỏng nhiều.

Một số trình duyệt thật làm việc này ngày nay (kiểm tra vào tháng Mười 2026). Ví dụ, Firefox loại bỏ một danh sách các tham số theo dõi đã biết ở chế độ Strict và trong cửa sổ riêng tư, Safari loại bỏ một số ở Private Browsing, và Brave loại bỏ một danh sách các tham số đã biết theo mặc định. Mỗi danh sách đều ngắn và được chọn cẩn thận, vì lý do mà phần tiếp theo giải thích.

Vì sao danh sách cho phép tồn tại

Một số cái tên chỉ bao giờ là bên theo dõi, như fbclid hay utm_campaign. Những cái tên ngắn, chung chung thì khó hơn. Trong thế giới luyện tập, ref là một thẻ tiếp thị liên kết trên ShopC nhưng là mã tham chiếu đơn hàng trên pay.example; cid là một ID phân tích trên ShopA nhưng là ID đăng nhập của ứng dụng trên signin.example. Loại bỏ chúng ở mọi nơi thì thanh toán và đăng nhập thất bại. Mô-đun cho bạn:

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"}}

So sánh tên ở dạng chữ thường: UTM_Source vẫn là một thẻ chiến dịch. name.lower() cho văn bản chữ thường, và name.startswith(TRACKING_PREFIXES) kiểm tra mọi tiền tố trong tuple cùng một lúc.

Tháo một URL ra rồi lắp lại

urllib.parse của Python làm những phần lắt nhắt. Đừng bao giờ cắt URL bằng các mẹo văn bản trơn: các giá trị có thể chứa ký tự được mã hóa như %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 ...] là một list comprehension: một cách ngắn để viết "tạo một list mới gồm các cặp qua được phép kiểm tra này". Khi không còn cặp nào, urlencode([]) là rỗng và urlunsplit tự bỏ dấu ? cho bạn. parts.netloc là tên máy chủ cộng cổng nếu có; trang dùng cho danh sách cho phép đến từ site_of(url).

Cắm nó vào engine

Trình duyệt luyện tập nhận một blocker(request) thấy được mọi yêu cầu, kể cả các chặng chuyển hướng. Nó có thể trả về "allow", "block", hoặc một URL mới để dùng thay vào. request.kind là "document" hoặc "form" cho các lần điều hướng. Bộ chặn của bạn làm sạch những cái đó và cho phép mọi thứ khác đi qua nguyên vẹn. Để ý rằng nó không bao giờ trả về "block" cho một lần điều hướng: người dùng đã chọn đi tới đó, nên engine làm sạch chuyến đi thay vì hủy nó.

run_journeys(blocker) đi theo mười liên kết được trang trí, qua chuyển hướng, thanh toán và đăng nhập, và báo cáo cho mỗi cái: status, leaked (các tên theo dõi mà máy chủ tới nơi vẫn nhận được) và missing (các tên mà trang cần nhưng đã mất).

Tự thử Sao chép một liên kết từ một bản tin hay một trang mạng xã hội và dán nó vào một trình soạn thảo văn bản. Tìm dấu ? và đọc từng cái tên trước một dấu =. Rồi mở liên kết trong một cửa sổ riêng tư của Firefox và so sánh thanh địa chỉ: các tên theo dõi đã biết đã biến mất.

Trong các ngôn ngữ khác

Cùng bộ làm sạch đó trong JavaScript, với lớp URL có sẵn:

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#, với 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();

Tóm tắt

  • Trang trí liên kết mang ID trong địa chỉ, nơi phân vùng không với tới được.
  • Làm sạch mọi lần điều hướng, kể cả các chặng chuyển hướng, và để yên các tài nguyên con.
  • Không bao giờ chặn một lần điều hướng người dùng đã chọn: hãy làm sạch nó.
  • Những cái tên ngắn chung chung cần một danh sách cho phép theo từng trang, nếu không đăng nhập và thanh toán sẽ hỏng.
Đến lượt bạn

Dùng TRACKING_PARAMS, TRACKING_PREFIXES và ALLOWLIST từ watched.leg6b_links, viết is_tracking(name, site): True khi tên đã viết thường nằm trong TRACKING_PARAMS hoặc bắt đầu bằng một tiền tố, và không nằm trong ALLOWLIST.get(site, set()). Viết clean_url(url), bỏ mọi cặp theo dõi cho trang của URL đó, giữ các cặp khác theo thứ tự, và giữ phần fragment. Viết blocker(request): với request.kind là "document" hoặc "form" thì trả về clean_url(request.url); nếu không thì trả về "allow". Rồi đặt results = run_journeys(blocker). Tự viết phần làm sạch: đừng dùng is_tracking_name hay reference_clean của mô-đun.

Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này

Bài tập này sẽ sớm mở.

Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.