Search engine-friendly URLs

话题不得不从很早前就开始，原来的论坛 ( http://oldbbs.netbuddy.org/cgi-bin/ultrabo...d/ultraboard.pl ) 用的是UltraBoard 2000，如果用Google查询，可能会查到旧论坛的首页，其它的页面Google上无法找到，为什么呢？
因为无论用什么论坛，基本上论坛都是由动态生成的页面组成的，而且论坛都有认证功能，一般来说，访问某个主题的连接可能是这样的：
http://oldbbs.netbuddy.org/cgi-bin/UltraBo...15&TID=636&SID=

这里面有很多Google等搜索引擎所不喜欢的符号，比如&,?,=等等，Google等搜索引擎最喜欢的就是静态的HTML页面了(比如 http://mize.netbuddy.org/ 那种)，Google最讨厌的就是"ID=0DCB19209AE0"这样的字符串，因为类似这样字符串都是被一些动态页面(比如 postnuke/phpnuke、各种论坛等)用来表示一个session的，也许Google用来INDEX站点的蜘蛛(spider)——Googlebot每次访问某个动态页面的同一个页面时URL中的ID=都会不同。

比如
http://oldbbs.netbuddy.org/cgi-bin/UltraBo...15&TID=636&SID=
http://oldbbs.netbuddy.org/cgi-bin/UltraBo...636&SID=0292381

访问的是同一个页面

所以，Google等搜索引擎是最恨&,?,=这样的字符了，更讨厌ID=XXXX这样的字符串出现在某个URL里面，如果某个URL包含大量的这样的字符，那么Google可能会拒绝INDEX这个页面。

这也是很多论坛的主题很难从Google上搜索到的原因，这也是xxbin下定决心要把论坛的URLs改成搜索引擎友好的最直接原因和动力，要知道自己的贴子如果能够从Google上Search到那是多么开心的一件事情啊！

首先我们来分析一下我们的论坛的URLs:
http://bbs.netbuddy.org/index.php?act=ST&f...=4&t=403&arch=0

这个联结是xxbin登陆论坛后访问网络论坛中"Google正在INDEX我们的论坛"这张贴子时的URL

这个URL对Google来说最严重的莫过于URL中包含的""这样的字符串了，这个东东Google看见了肯定就不再理我们了，需要去掉，测试了一下，可能是因为cookie的原因，登陆用户不用""这样的字符串也能正常访问论坛，同时论坛也能够识别这个用户，这样的话最重要的问题就解决了。

URL可能变成这样：
http://bbs.netbuddy.org/index.php?act=ST&f...=4&t=403&arch=0

接下来就是&,?,=等等Google不喜欢的字符串了，如果我们能够把上面的URL转换成
http://bbs.netbuddy.org/index/act/ST/f/4/t/403/arch/0

那Google就会喜欢我们了！

怎么转
首先，在根目录下建立一个index文件，内容如下：

CODE

<?php require "conf_global.php"; $base_url = $INFO['board_url']."/index.php";   $redirect = ""; if ( $_SERVER['PATH_INFO'] != "" ) {        $c = 0;        $redirect = "?";        foreach( explode( "/", $_SERVER['PATH_INFO'] ) as $bit)        {                if ($bit != "")                {                        if ($c == 0)                        {                                $c++;                                $redirect .= $bit.'=';                        }                        else                        {                                $c = 0;                                $redirect .= $bit.'&';                        }                }        } } header("Location: $base_url".$redirect); exit(); ?>

稍微懂一点php或者c的语法的人都能看出来，这个脚本是把类似
http://bbs.netbuddy.org/index/act/ST/f/4/t/403/arch/0
这样的URL重定向到
http://bbs.netbuddy.org/index.php?act=ST&f...=4&t=403&arch=0

我们的HTTP Server是Apache 2.0.43
在Apache 1.x版本，对于
http://bbs.netbuddy.org/index/act/ST/f/4/t/403/arch/0
的URL,首先apache会查找是否存在/index这样一个目录，若这个目录不存在，那么查找是否存在/index这样一个文件，如果存在这个文件，就把后面的字符串作为参数传递给/index这个文件，而Apache 2.0.43就改了一下，如果没有/index这个目录，那么就报404错误。 为了解决这个问题xxbin可在Google上查了很久，最后发现在Apache 2.0.43的配置文件中加入AcceptPathInfo On就可以解决这个问题。

最后，为了让apache知道这个没有任何扩展名的index文件是个php脚本，需要在配置文件或者.htaccess文件中加入下面的配置：

<Files index>
ForceType application/x-httpd-php
</Files>

重起apache之后，发现用http://bbs.netbuddy.org/index/act/ST/f/4/t/403/arch/0的连接可以正常访问论坛了，接下来的工作就是把论坛首页，论坛索引，贴子列表等等页面的连接从原来Google不喜欢的格式改成Search engine-friendly URLs，OK，大功告成！

(注：因为index脚本用的是Redirect，因此各位在地址栏看到论坛的连接还是那种Google讨厌的格式，但是论坛的真实联结(移动鼠标到某个联结，然后从状态栏看到的连接)基本上已经改成Search engine-friendly URLs了)