如何用PHP清理URL设置规范网址？解决Search Console重复URL问题

我在Search Console里发现一批重复URL，都是原URL后面拼接了字符串g;m.parentNode.insertBefore(a,m)。比如：

• 原URL：https://mywebsite.com/my-page/
• 重复URL：https://mywebsite.com/my-page/g;m.parentNode.insertBefore(a,m)

我尝试用下面这段PHP代码清理URL并设置meta canonical，但完全没效果：

$mycanonicalurl = "https://mywebsite.com" .parse_url($_SERVER['REQUEST_URI'], PHP_URL_PATH);

问题原因 #

原代码无效的核心原因是：parse_url($_SERVER['REQUEST_URI'], PHP_URL_PATH)会把包含多余字符串的完整路径全部提取出来（比如/my-page/g;m.parentNode.insertBefore(a,m)），拼接后生成的canonical URL还是带多余内容的，自然无法解决重复问题。

修复方案 #

方案1：精准检测并截取字符串

直接判断URL中是否包含那个特定的多余字符串，截取到它之前的部分作为干净路径：

$requestUri = $_SERVER['REQUEST_URI'];
$badSuffix = 'g;m.parentNode.insertBefore(a,m)';

// 检查URL是否包含恶意后缀
if (strpos($requestUri, $badSuffix) !== false) {
    $cleanPath = substr($requestUri, 0, strpos($requestUri, $badSuffix));
} else {
    $cleanPath = parse_url($requestUri, PHP_URL_PATH);
}

$mycanonicalurl = "https://mywebsite.com" . $cleanPath;

方案2：正则匹配去除后缀

如果多余字符串总是出现在URL路径的末尾，可以用正则直接替换掉：

$requestUri = $_SERVER['REQUEST_URI'];
$cleanPath = preg_replace('/\/g;m.parentNode.insertBefore\(a,m\)$/', '', parse_url($requestUri, PHP_URL_PATH));
$mycanonicalurl = "https://mywebsite.com" . $cleanPath;

方案3：服务器层面301重定向（更彻底）

除了设置canonical，建议在服务器配置里做301重定向，直接把带多余字符串的URL跳转到原URL，从根源解决重复抓取问题：

• Nginx配置：

location ~* /g;m.parentNode.insertBefore\(a,m\)$ {
    rewrite ^(.*)/g;m.parentNode.insertBefore\(a,m\)$ $1 permanent;
}

• Apache .htaccess配置：

RewriteEngine On
RewriteRule ^(.*)/g;m.parentNode.insertBefore\(a,m\)$ $1 [R=301,L]

内容的提问来源于stack exchange，提问作者al404IT