为什么我的网站只收录文章不更新首页

我在排查自己站点的时候发现一个现象，百度收录了网站内大量文章页，但主页却迟迟没有进库，site一下首页都看不到影子。这个问题很多站长都会遇到，不光是新站，老站改版后也常发生，今天把可能的原因逐个捋一捋。

先说搜索引擎抓取的逻辑。蜘蛛访问网站时，入口通常就是首页，但如果你首页改版频繁或者内容区域长期不变，蜘蛛会认为首页只是通道性质的存在，权重传导至内页但没有回授。我有个朋友的商城站，首页全是品牌大图轮播和活动招贴，文字内容不到两百字，上线半年内页收录两千多，首页时间戳一直停在爬取失败那天。后来把首页导航下的促销文案改成可索引的正常段落，再配合手动提交，三天后首页就进了索引。首页的存在感，是要靠真实可读的文字撑起来的，不是靠图片好看。

另一类典型场景是模板里隐藏了不合适的代码。很多人的首页头部会加一段自动跳转JS，用来做移动端适配或者微信内跳转。但搜索引擎爬首页时会先读HTML，如果刚拿到内容就被告知跳走，通常会放弃本次抓取，或者把首页判定为桥页。之前谷歌明确警告过这种action规则，百度虽然没有那么高调，但实际处理逻辑明显更谨慎。我自己测试过一次，把跳转代码迁到body底部并设置延迟，随后首页收录恢复正常，这也验证了这个判断。

还有一种情况是首页存在明显死链或者加载超时。蜘蛛来抓首页时，如果因为服务器响应慢超过五秒，或者首页引用的部分样式表、JS用了低质量的境外CDN导致超时，抓取就会边读边断。文章页因为模板结构单一，资源少，反而能顺利完成抓取，这就造成文章收录而首页不收录的割裂局面。最好用抓取诊断工具跑一遍首页,看是不是有超时的资源项。

另外权重分裂是个容易忽略的坑。比如你网站同时存在带www和不带www两个版本的首页，两边都有外链指向，且没有做严格的301归一，蜘蛛就会一直在这两个版本之间来回犹豫。它今天抓了不带www的首页，明天通过内链又发现了带www的版本，两个页面内容几乎一致，导致搜索引擎判定首页存在重复内容，干脆不给任何一方排名，但文章URL因为地址唯一所以不受影响，照常收录。检查一下自己的外链和内部链接，确保全部指向同一个主域名。如果你的外链来源不太好控制，就在后台做一次全站相对地址替换，把onclick属性里带域名的跳转全清掉。

首页被降权也和内页链接结构不正常有关。这种通常是建站程序二次开发时埋的隐患，比如首页用了不同逻辑的伪静态规则，生成了与文章页完全不同的参数路径。搜索引擎把首页当成独立目录，但发现它与网站整体URL层级不匹配，容易判定为低质量导航页。对照移动适配和PC适配的工具，看首页是否被标记为待验证或者不通过，如果状态异常，说明网站被搜索引擎冷处理过，需要通过反馈中心去解释。

如果你确认这一切都没问题，还有一种软性的损失在于首页只有推荐文章列表。很多模板把首页做得极简，就一个列表，每篇标题下的摘要又全部截断，没有导语正文，这样首页的独特内容占比相当低。搜索引擎看首页时，会尽量从页面本身提取主题，如果发现所有文字内容都指向别的URL，首页对搜索来说就只是个名录页，那它就不认为首页有太高的价值，最多收一个快照，甚至干脆只索引目录而不参与排名。

我之前见过一个极端的例子，某内容站首页几乎全部是转载自自己文章页的标题和图片，无任何编辑推荐语，也没有作者介绍。结果搜索引擎不仅不更新首页，反而把首页的标题抓成了文章页的标题组合，直接导致品牌词搜索时首页缺席。

首页更新频率也不必追求短平快，但每次更新要保持结构性。即使只是替换了推荐位，也应该让HTML中有实质性的文字新增，比如编辑推荐的一句话或者专题的描述。搜索引擎爬回来以后看到这个页面产生了变化，而不是每次抓取都返回一样的字节，收录才会良性循环。

最后提醒一下，如果你的首页用的是异步渲染方式，主体内容全部靠Ajax调用加载，那么搜索引擎拿到的静态源码可能是空壳或者只有框架。文章页往往被设置成服务端直接输出，所以文章照常收录。这种情况只能改架构，在首页源码区域预埋文字内容，或者至少把首屏的核心区域做成服务端渲染。不要信那些“让百度抓取Ajax”的插件工具，都是暂时性曲线方案，治标不治本。

解决首页不收录的路径无非就是几个侧面：内容是实体的、链接是稳定的、渲染是直达的、历史是干净的。逐项排查去优化，比每天手工提交地址要有效得多。