Mauvaise gestion des URL par le 'Lang' URLHandler

[prospere]

Les URL gérées par l'URLHandler Lang ne sont pas vérifiées.

Il est possible de passer n'importe quel paramètre, exemple :

 http://fr.dotclear.org/blog/quelque-chose-qui-nexiste-pas/et-qoui/qui-nexiste-vraiment-pas/page/2

Il suffit de publier ce lien pour que Google référence une seconde fois toutes les pages du site : page/1, page/2, ....

Du coup Google considère que le site contient du Duplicate Content et produit des warnings dans la console Webmaster tools.

[nikrou]

Quelques infos sur le forum :  http://forum.dotclear.org/viewtopic.php?id=47553

[prospere]

Voici une proposition de patch, il suffit de forcer le regexp pour l'URLHandler Home afin de restreindre la structure des URL.

protected static function getPageNumber(&$args,$only_root=false)
   {
                if ($only_root){
                        $regexp = '#(^)page/([0-9]+)$#';
                }else {
                        $regexp = '#(^|/)page/([0-9]+)$#';
                }

                if (preg_match($regexp,$args,$m)) {
                        $n = (integer) $m[2];
                        if ($n > 0) {
                                $args = preg_replace($regexp,'',$args);
                                return $n;
                        }
                }
                return false;
 }

[nikrou]

A mon avis on peut faire encore plus simple. Le problème ne se pose que pour la méthode home. Il suffit d'enlever le test sur la valeur de $n pour renvoyer un 404. On renvoie 404 dès que $args est non vide.

[franck]

Euh, la home est paginée, si on vire le test sur $n, ça va poser problème, non ?

[prospere]

La home est paginée, il faudrait s'assurer que si $n est non vide que l'argument passé est bien /page/x et non pas: quelquechose/page/x

[franck]

Du coup on limite volontairement les schémas d'URL de la home, tout ça pour corriger une erreur PEBKAC, j'suis pas convaincu…