用清漆忽略 utm_* 值？答案

【问题标题】：Ignore utm_* values with varnish?用清漆忽略 utm_* 值？
【发布时间】：2014-06-14 17:27:55
【问题描述】：

我可以在从缓存中提取匹配对象之前“忽略”查询字符串变量，但实际上不能将它们从 URL 中删除给最终用户吗？

例如，所有营销utm_source、utm_campaign、utm_* 值不会改变页面的内容，它们只是因广告系列而异，并且被我们所有的客户端使用跟踪。

所以这也意味着 URL 不能在客户端更改，但它应该以某种方式在缓存中“标准化”。

基本上我想要所有这些......

http://example.com/page/?utm_source=google

http://example.com/page/?utm_source=facebook&utm_content=123

http://example.com/page/?utm_campaign=usa

...所有访问HIT缓存http://example.com/page/

但是，此 URL 会导致 MISS（因为参数不是 utm_* 参数）

http://example.com/page/?utm_source=google&variation=5

会触发缓存

http://example.com/page/?variation=5

另外，请记住，用户看到的 URL 必须保持不变，我无法重定向到没有参数或任何类似解决方案的东西。

【问题讨论】：

标签： caching url-rewriting varnish varnish-vcl

【解决方案1】：

所以我要添加一个免责声明，这个正则表达式可能并不完美，但它应该工作得很好：

sub vcl_recv {  
  set req.url = regsuball(req.url, "\?(utm_[^=&]*=[^&=]*&?)+", "?");
  set req.url = regsuball(req.url, "&(utm_[^=&]*=[^&=]*(&|$))+", "\2");
  set req.url = regsub(req.url, "\?$", "");

  return (pass);
}

这应该会删除所有以utm_ 开头的查询参数。我使用了三个正则表达式使其更清晰、更易于阅读。

第一个regsuball 删除查询字符串开头的所有utm_ 参数。它在? 之后立即查找一个或多个utm_ 参数。第二个regsuball 删除所有不在查询字符串开头的utm_ 参数。

如果在我们删除 utm_ 参数后没有剩余查询参数，第三个正则表达式将通过删除 ? 来清理 URL。

两个正则表达式都需要在()+ 中，因为这将匹配一个或多个连续的utm_ 参数（否则它们不会匹配）。

示例结果：

Source URL: /?utm_track=1&utm_test2=hey&test=utm_blah&utm_source=google&variation=5&utm_query=abc&utm_test7=yes
Maps to:    /?test=utm_blah&variation=5

Source URL: /?variation=5&utm_test1=abc&utm_test2=def&blah=1
Maps to:    /?variation=5&blah=1

【讨论】：

这个[^&=] 不会处理其中有= 符号的utm_ 参数（想象一下?utm_track=foo=bar，我相信。= 符号在URI 的查询部分是合法的，即使web表单通常会逃脱它们。伪造 UTM 负载 URI 的人（或广告网络）可能不会。我会将 [^&=] 替换为 [^&]，因为您想删除整个查询参数，直到下一个查询参数。

【解决方案2】：

这成功了......根据我自己的问题，它并不完美，因为它忽略了所有查询参数，而不仅仅是 utm 的。当我需要实际实现一个改变内容的非 utm 值时，我需要重新访问这个正则表达式：

sub vcl_recv {
    set req.url = regsub(req.url, "\?.*", "");
}

【讨论】：