URL và việc làm sạch liên kết
Vì sao điều này quan trọng Khi cookie bị chặn hay bị phân vùng, các bên theo dõi mang ID của bạn trong chính liên kết, và mỗi lần bạn sao chép và chia sẻ một liên kết như vậy bạn truyền theo cả click ID. Một bộ làm sạch liên kết gỡ bỏ phần trang trí đó trên mỗi lần điều hướng mà không làm hỏng trang. Các trình duyệt và bộ chặn có sẵn một cái; ở đây bạn viết cái của riêng mình, và mô-đun bộ chặn dùng lại ý tưởng này.
Hãy nghĩ tới một nhãn bưu kiện. Địa chỉ là thứ người chuyển phát cần. Những miếng dán do mọi người xử lý nó trên đường thêm vào ("đến qua bản tin", "khách hàng số 7f3a") thì không. Làm sạch một liên kết nghĩa là bóc các miếng dán trong khi để địa chỉ y như cũ.
URL: một địa chỉ web, gồm các phần: https://shopa.example:443/p/tent?colour=green#reviews có một scheme (https), một host (shopa.example), một port (443), một path (/p/tent), một query (colour=green) và một fragment (reviews, thứ ở lại trong trình duyệt và không được gửi tới máy chủ).
Tham số truy vấn: một mảnh name=value của truy vấn, ngăn cách với các mảnh khác bằng &.
Trang trí liên kết (link decoration): các tham số được thêm vào một liên kết để mang một ID hay nhãn chiến dịch từ trang này sang trang khác, như utm_source, fbclid hay gclid.
Hai việc: chuẩn hóa, rồi gỡ bỏ
Chuẩn hóa nghĩa là viết cùng một địa chỉ theo cùng một cách mỗi lần. Scheme và host không phân biệt hoa thường, nên HTTPS://SHOPA.Example trở thành https://shopa.example. Cổng 443 là mặc định cho HTTPS (80 cho HTTP), nên viết nó ra không thêm gì. Một path rỗng là /. Bản thân path có phân biệt hoa thường trên nhiều máy chủ, nên hãy để yên nó.
Gỡ bỏ nghĩa là chỉ xóa các tham số theo dõi. STRIP_PARAMS trong watched.leg2c_http liệt kê các tên click ID và chiến dịch (từ các nền tảng quảng cáo, công cụ email và trang mạng xã hội), và mọi tên bắt đầu bằng utm_ cũng bị bỏ. So sánh tên ở dạng chữ thường và sau khi giải mã (utm%5Fsource là utm_source đội lốt). Mọi thứ khác giữ chính xác như đã viết: q=red+tent không được trở thành q=red%20tent, và thứ tự quan trọng với một số trang.
Mã hóa phần trăm (percent-encoding): viết một ký tự là % cộng hai chữ số hex, để nó đi an toàn trong một URL: %5F là _, %26 là &. urllib.parse.unquote biến nó trở lại.
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')Vì sao không dựng lại truy vấn bằng urlencode? Vì nó mã hóa lại các giá trị và có thể lặng lẽ thay đổi chúng. Tách truy vấn thô theo & và giữ các mảnh không bị đụng tới an toàn hơn. Một địa chỉ lồng như ?to=https%3A%2F%2F...%3Futm_source%3Dx là một giá trị đã mã hóa của một tham số bình thường; hãy để yên nó ở đây (gỡ các liên kết bật nảy là việc của bài tiếp theo và bộ chặn).
Một hiểu lầm phổ biến
"Gỡ mọi tham số cho an toàn." Điều đó làm hỏng kết quả tìm kiếm (q=), số trang (page=2) và, tệ nhất, các liên kết đặt lại mật khẩu và đăng nhập (token=). Một trong 40 trường hợp được chấm điểm chính là liên kết đặt lại đó. Các bộ làm sạch trong trình duyệt dùng một danh sách vì cùng lý do (kiểm tra vào tháng Mười 2026).
Tự thử Sao chép một liên kết từ một email bản tin hay một bài đăng mạng xã hội vào một trình soạn thảo văn bản. Bạn có nhận ra các tham số utm_ hay một click ID dài không? Gỡ chúng đi, mở liên kết ngắn hơn, và kiểm tra trang vẫn hoạt động.
Trong các ngôn ngữ khác
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) };Tóm tắt
- Chuẩn hóa các phần không phân biệt hoa thường (scheme, host), bỏ cổng mặc định, và biến path rỗng thành
/. - Chỉ gỡ các tham số theo dõi đã biết, so sánh ở dạng chữ thường sau khi giải mã; giữ mọi mảnh khác chính xác như đã viết và theo thứ tự.
- Giữ fragment, để yên các liên kết không phải web, và không bao giờ gỡ các token mà một trang cần.
Viết is_tracking_param(name): True khi tên, đã giải mã phần trăm bằng unquote và chuyển thành chữ thường, bắt đầu bằng utm_ hoặc có trong STRIP_PARAMS. Rồi viết clean_link(url): để nguyên các liên kết không phải http/https; chuyển scheme và host thành chữ thường (giữ mọi phần user@ chính xác như đã viết, và các dấu ngoặc vuông quanh một địa chỉ IPv6); bỏ cổng mặc định; biến path rỗng thành /; tách truy vấn theo &, bỏ các mảnh rỗng và tham số theo dõi, giữ phần còn lại chính xác như đã viết và theo thứ tự; không có ? khi không còn gì; giữ #fragment. Nó được chấm trên 40 trường hợp trong LINK_CASES cộng các liên kết ngẫu nhiên.
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.
Trình duyệt này đang chặn cookie cho learn.floati.life, nên các bài học bạn đã hoàn thành tại đây không thể mở theo thứ tự. Hãy cho phép cookie cho trang web này và tải lại trang.