mod_rewrite rule：如何阻止对包含特定单词的URL的直接访问？

Question

我需要使用mod_rewrite规则来解决以下问题。

如果我网站的访问者遵循此路径（见下文），那么在访问第一页后，他/她应该能够访问第二个（更加格式化的）网址：

http://www.example.com/page/
http://www.example.com/page/?jump2=24&autoplay=1#anchor

但是如果访问者直接访问格式化的URL，则应该阻止它：

http://www.example.com/page/?jump2=24&autoplay=1#anchor

如何使用.htaccess文件执行此操作？我有很多像这样的网址，我需要阻止搜索引擎导致那些格式化的页面以及机器人 - 它实际上是在杀死我的服务器。

Answer 1

您可以使用Cookie来检查用户是否已访问该页面。

如果没有查询字符串，请在索引页面中创建一个cookie。然后在用户请求带有查询字符串的页面时检查它是否已设置。

要阻止搜索引擎中的网址，请使用robots.txt

Answer 2

HTTP是无状态的，所以这不是一个简单的问题。您将不得不以某种方式基本上捏造它，因此没有简单的插入式解决方案，并且在另一个答案中建议使用cookie是一种合理的方法（会话cookie或其他内容） ）。如果您排除了cookie，那么它会大大减少选项。但...

您可以在页面上生成令牌，然后在URL中检查该令牌。令牌可以基于日期，因此它会定期更改，也许只允许今天和昨天的令牌。如果令牌不存在于参数中，则拒绝该请求。您可以使用RewriteMap从.htaccess。

中获取当前令牌

另一个值得提及的选择是，可以严格阻止错误的机器人，因为他们忽略了robots.txt。因此，您可以设置机器人陷阱脚本，从每个页面链接并隐藏在CSS中，然后在访问时立即从该脚本阻止IP（防火墙中的块）。陷阱在robots.txt中排除。

一旦确定，robots.txt滥用者立即被禁止，您可以在http://www.example.com/page/?中添加robots.txt之类的内容（因为robots.txt指定了禁止使用的网址的开头，不完整的网址）并在您的网页中设置规范网址。其他搜索引擎选项也很有用，您可以阻止您不想要尊重robots.txt的机器人，并设置Google Search Console忽略这些显示参数。