使用 .htaccess 排除奇怪的页面

Posted 2023-02-23

【中文标题】使用 .htaccess 排除奇怪的页面

【英文标题】：Excluding strange pages with .htaccess

【发布时间】：2012-07-04 13:13:34

【问题描述】：

我的网站上发生了一种奇怪的情况，谷歌认为某些 php 页面是其他 php 页面的子级。例如，我在 Google 网站管理员工具中遇到如下错误：http://domain.com/page1.php/page5.php。 page1.php 和 page5.php 都存在于网站上，但我不明白为什么 google 认为应该将一个连接到另一个。

浏览到这样的链接将加载 page1.php，但不正确。我的目标是使用 .htaccess （或其他建议）来简单地重定向到第一页，如果后面有其他页面。我是否正确地考虑了这个问题，任何人都可以提供建议来帮助我解决这个问题吗？谢谢！

更新：我的 .htaccess 文件中唯一的几行是从以前的文件夹结构重定向到单个 php 文件，但这已经存在至少一年了。例如：

RedirectMatch 301 ^/widgets/?$ http://firesage.com/widgets.php

更新 2：我刚刚在网站管理员工具中发现了这个“软 404”错误：http://domain.com/page2.php/include/include/lookup.php?id=22。首先，我通过 robots.txt 排除了包含文件夹。并且包含文件夹在 url 中列出两次的事实非常值得怀疑。

【问题讨论】：

Google 只是在跟踪链接（并读取您的站点地图文件...），因此不要让错误的链接/网址正确加载，您最好确保您的链接正是它们需要的.

奇怪的是，这些网址在谷歌搜索中找不到，而是在谷歌网站管理员工具中。他们似乎在降低我的排名，但我的站点地图很干净，我找不到使用此 URL 链接到我的站点的站点。我不知道这是从哪里来的。

这是 Google 的 crawler 在抓取您的网站时发现的...

你可以看一下交通>内部链接，看看它们是否出现在那里。

Traffic > 内部链接没有任何异常。 :(

【参考方案1】：

通常您可以使用.htaccess 重定向 Google，但我建议您找到 Google 看到这些“错误”链接的原因（s. Jeroen 对您的问题的评论）。这是.htaccess 的开始，直到您找到原因。

<IfModule mod_rewrite.c>

RewriteEngine On
RewriteBase /
Options +FollowSymLinks

# every page on its own
RewriteRule ^page1.php/(.*)$ /page1.php [R=301,L]
RewriteRule ^page2.php/(.*)$ /page2.php [R=301,L]
# or in general maybe the following to replace all of the above, if you think it'll fit
# RewriteRule ^([^/.]+)\.php/(.*)$ /$1.php [R=301,L]

</IfModule>

更新 如果您还需要传递任何可能的GET 参数，只需添加QSA 标志，使其变为[R=301,L,QSA]。

【讨论】：

不应使用子目录访问存在此问题的页面，因此我正在寻找最简单的方法来简单地重定向到主页面。使用上面的示例，如果找到任何子目录，以下操作是否有效： RewriteRule ^page1.php/$ /page1.php [R=301,L] ？唯一的例外是当 get 变量附加到 url 时，例如 ?id=234

所以您希望将domain.com/<something>/pageX.php 之类的内容重定向到domain.com/pageX.php？如果是这样，<something> 部分呢？它应该只是dirName0-9，还是也可以是dirname0/dirname1/.../dirName9 之类的子目录？让我们先澄清一下，然后再澄清一下排除：)

很公平。页面名称不统一，因此必须为每页一行。我希望 domain.com/pageX.php/anything/here/should.be/ignored 被简单地重定向到 domain.com/pageX.php。我不确定托管服务提供商 (1and1) 是否正在协助解决该问题，但由于原始页面附加了额外的目录，因此页面无法正确加载。

我现在更新了我的答案，以符合您的标准。如您所见，您可以使用自己的RewriteRule 为每个页面执行此操作，或者我注释掉的最后一个页面会将domain.com/<something>.php/anything/here/should.be/ignored 重定向到domain.com/<something>.php 并且/ 被排除在<something> 之外。现在排除，您在哪里附加了 GET 参数？

完美。在我找出问题的根本原因之前，这肯定会起作用。谢谢。

【参考方案2】：

我根本不是 .htaccess 方面的专家，但您的重定向规则可能很混乱。 要进行重定向，只需在 .htaccess 中使用它：

RewriteEngine On
RewriteRule ^some regex$ http://yourdomain.com/page1.php [L]

您的 .htaccess 看起来像这样吗？你能用它更新你的问题吗？

【参考方案3】：

寻找指向page1.php/而不是page1.php的链接。

如果 google（或浏览器）跟随指向 page1.php/ 的链接，网络服务器将提供“正确”文件 page1.php，但 google 会认为 page1.php 是一个目录，因此会解释相对链接（到 @ 987654326@) 就像它们从“目录”page1.php 中的 索引文件 开始一样。