在导航时清理链接
为什么重要 分区能让 ID 远离共享的存储,但它看不到写进链接本身的 ID。当你点击 shopa.example/p/tent?fbclid=IwAR0x9k2 时,这个 ID 搭着地址一起走,下一个网站直接从 URL 里就能读到它。引擎可以在请求离开你的设备之前,从每一次导航中去掉这些名字。难的是在不弄坏那些看起来一模一样的登录和支付链接的前提下做到这一点。
想象一家邮局,在投递之前把每个信封上的广告贴纸都揭掉。这是一项好服务,直到它揭掉了一家商店找到你包裹所需的订单号。所以邮局保留了一份简短的清单:“名为 ref 的贴纸,在寄往付款处的信封上保留”。
链接装饰:加到一个链接的查询字符串(? 后面的部分)里的一个 ID 或活动标签,比如 utm_source=news 或 gclid=Cj0KCQ7。
查询参数:查询字符串中的一个 name=value 对。各个对之间用 & 分隔。
导航:在标签页里加载一整个页面:输入一个地址、点击一个链接,或者在途中跟随一个重定向跳。页面里的图片和脚本不是导航。
允许列表:一份简短的例外清单:某个特定网站需要的名字,即使它们在去除清单上也会被保留。
为什么在导航时做,而且只在那时做
在第 2 阶段,你把一个链接清理器写成了一个函数。在引擎内部,它会在每一次导航上运行,包括每一个重定向跳。这很重要:像 deco.example/out?to=... 这样的点击服务器,可以在你点击之后、在途经时把 adco_id 加到链接上。只有能看到每一跳的清理器才能把它去掉。
引擎不会去动图片、脚本和框架的地址。一个页面自己的脚本想怎么发送 ID 都可以,所以清理这些地址保护不了多少,却会弄坏很多东西。
如今有一些真实的浏览器在这样做(2026 年 10 月核实)。例如,Firefox 在严格模式和隐私窗口中会去掉一份已知跟踪参数的列表,Safari 在无痕浏览中会去掉一部分,而 Brave 默认会去掉一份已知参数的列表。每一份列表都很短,并且是精心挑选的,原因在下一节解释。
为什么需要允许列表
有些名字永远只会是跟踪器,比如 fbclid 或 utm_campaign。简短、通用的名字就比较棘手了。在练习世界里,ref 在 ShopC 上是一个联盟推广标签,但在 pay.example 上是订单编号;cid 在 ShopA 上是一个分析 ID,但在 signin.example 上是应用的登录 ID。在所有地方都去掉它们,支付和登录就会失败。模块给了你:
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"}}用小写来比较名字:UTM_Source 仍然是一个活动标签。name.lower() 会给出小写文本,而 name.startswith(TRACKING_PREFIXES) 会一次性检查元组中的每一个前缀。
把一个 URL 拆开再装回去
Python 的 urllib.parse 会处理那些繁琐的部分。永远不要用简单的文本技巧来切割 URL:值里可能包含像 %20 这样的编码字符。
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 ...] 是一个列表推导式:一种简短的写法,意思是“用通过这个测试的对组成一个新列表”。当没有剩下任何对时,urlencode([]) 为空,urlunsplit 会替你去掉 ?。parts.netloc 是主机加上可能有的端口;用于允许列表的网站来自 site_of(url)。
把它接到引擎上
练习浏览器接收一个能看到每一个请求(包括重定向跳)的 blocker(request)。它可以返回 "allow"、"block",或者一个改用的新 URL。对于导航,request.kind 是 "document" 或 "form"。你的拦截器清理这些请求,并原封不动地允许其他一切。注意,它从不对一次导航返回 "block":是这个人选择了去那里,所以引擎清理这趟行程,而不是取消它。
run_journeys(blocker) 会跟随十个被装饰过的链接,经过重定向、支付和登录,并为每一个报告:status、leaked(落脚服务器仍然收到的跟踪名字)和 missing(网站需要却丢失了的名字)。
试一试 从一封新闻邮件或一个社交网站复制一个链接,把它粘贴到一个文本编辑器里。找到 ?,读一读每个 = 前面的名字。然后在一个 Firefox 隐私窗口里打开这个链接,比较一下地址栏:已知的跟踪名字不见了。
用其他语言实现
用 JavaScript 写的同一个清理器,使用内置的 URL 类:
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#,使用 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();回顾
- 链接装饰把 ID 放在地址里携带,分区够不着那里。
- 清理每一次导航,包括重定向跳,不要去动子资源。
- 永远不要拦截一个这个人选择的导航:清理它。
- 简短的通用名字需要一份按网站区分的允许列表,否则登录和支付就会出问题。
使用来自 watched.leg6b_links 的 TRACKING_PARAMS、TRACKING_PREFIXES 和 ALLOWLIST,编写 is_tracking(name, site):当小写后的名字在 TRACKING_PARAMS 中或以某个前缀开头,并且不在 ALLOWLIST.get(site, set()) 中时,返回 True。编写 clean_url(url),它为这个 URL 的网站去掉每一个跟踪对,按原顺序保留其他的对,并保留片段。编写 blocker(request):对于 request.kind 为 "document" 或 "form" 的请求,返回 clean_url(request.url);否则返回 "allow"。然后设置 results = run_journeys(blocker)。清理要你自己来写:不要使用模块里的 is_tracking_name 或 reference_clean。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。