HTACCESS配置问题：如何处理PHP网站的虚假非存在页面

问题情况 #

我自己开发了个PHP网站，现在出现了一堆显示首页内容的虚假页面——这些页面根本不存在。想通过配置.htaccess，让这些虚假页面返回404状态码，之后跳转到首页。

虚假页面示例：

/index.html?page=search&sRegion=Dublin
/index.html?page=search&sRegion=Edinburgh
https://www.example.com/?post_type=clients&p=1292

当前.htaccess配置 #

RewriteEngine On

# 添加www前缀
RewriteCond %{HTTP_HOST} ^domain\.com$
RewriteRule ^ https://www.%{HTTP_HOST}%{REQUEST_URI} [R=301,L,NE]

# 将.php请求外部重定向到.html
RewriteCond %{ENV:REDIRECT_STATUS} ^$
RewriteRule ^([^./]+?)\.php$ /$1.html [R=301,L,NC,NE]

# 如果对应的php文件存在，将.html内部重写为.php
RewriteCond %{REQUEST_FILENAME} !-f
RewriteCond %{DOCUMENT_ROOT}/$1.php -f
RewriteRule ^(.+?)\.html$ $1.php [L,NC]
</IfModule>

<FilesMatch ".(ico|css|flv|js|gif|jpeg|png|woff|woff2|eot|svg|ttf|webp)$">
   Header set Cache-Control "max-age=604800, public, no-cache"
</FilesMatch>

解决方法 #

要处理这些虚假页面，得在.htaccess的Rewrite规则最前面加上拦截无效查询参数的规则，先把它们拦下来：

1. 添加拦截规则 #

在RewriteEngine On之后，插入以下规则：

# 拦截带page=search的虚假index.html页面
RewriteCond %{QUERY_STRING} ^page=search(&.*)?$ [NC]
RewriteRule ^index\.html$ /? [R=404,L]

# 拦截根路径下带post_type=clients&p=数字的虚假页面
RewriteCond %{QUERY_STRING} ^post_type=clients&p=\d+(&.*)?$ [NC]
RewriteRule ^$ /? [R=404,L]

规则解释 #

• 第一条规则：匹配所有index.html后带page=search（不管后面有没有其他参数）的请求，返回404状态码并跳转到首页（/?用来清除查询参数）。
• 第二条规则：匹配根域名下带post_type=clients和数字型p参数的请求，同样返回404并跳转首页。

整合后的完整配置 #

把拦截规则加进去后，最终的.htaccess是这样的：

RewriteEngine On

# 拦截虚假页面：返回404并跳转首页
# 处理/index.html?page=search...
RewriteCond %{QUERY_STRING} ^page=search(&.*)?$ [NC]
RewriteRule ^index\.html$ /? [R=404,L]

# 处理/?post_type=clients&p=...
RewriteCond %{QUERY_STRING} ^post_type=clients&p=\d+(&.*)?$ [NC]
RewriteRule ^$ /? [R=404,L]

# 添加www前缀
RewriteCond %{HTTP_HOST} ^domain\.com$
RewriteRule ^ https://www.%{HTTP_HOST}%{REQUEST_URI} [R=301,L,NE]

# 将.php请求外部重定向到.html
RewriteCond %{ENV:REDIRECT_STATUS} ^$
RewriteRule ^([^./]+?)\.php$ /$1.html [R=301,L,NC,NE]

# 如果对应的php文件存在，将.html内部重写为.php
RewriteCond %{REQUEST_FILENAME} !-f
RewriteCond %{DOCUMENT_ROOT}/$1.php -f
RewriteRule ^(.+?)\.html$ $1.php [L,NC]
</IfModule>

<FilesMatch ".(ico|css|flv|js|gif|jpeg|png|woff|woff2|eot|svg|ttf|webp)$">
   Header set Cache-Control "max-age=604800, public, no-cache"
</FilesMatch>

注意点 #

• 规则顺序不能乱，拦截虚假页面的规则必须放在最前面，确保先被处理。
• R=404既会告诉搜索引擎这个页面不存在，也会把用户跳转到首页，兼顾SEO和用户体验。
• 如果之后还有其他类型的虚假页面，照着这个逻辑加对应的规则就行。

内容的提问来源于stack exchange，提问作者carinho