📍 WDQWDWQD987AAAAA:216.73.216.254
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /326ba46ff8d5.html
📄

自建博客步骤 - 怎样核对抓取限制

核对抓取限制，本质是确认搜索引擎的抓取程序在访问你的自建博客时，被哪些规则允许或拒绝。最直接的方法是：打开博客根目录下的 robots.txt，逐行检查 Disallow 与 Allow 的路径是否误伤了正文页、分类页或静态资源；再结合服务器返回状态码和页面 meta 标签里的 noindex，判断限制发生在哪一层。自建博客常见的抓取限制来源有三处：robots.txt 规则、页面级 noindex、服务器访问控制。核对时按“先全局、后单页、再服务端”的顺序排查，能避免把不同层的问题混在一起。

先确认 robots.txt 是否挡住了正文路径

robots.txt 是抓取限制的第一道闸门。自建博客如果用了默认模板，可能自带一条禁止抓取搜索页或动态参数的规则，而这类规则有时会误伤分页、标签页或带参数的正文链接。

核对时打开 你的域名/robots.txt，重点看三类写法：

• Disallow: /：整站禁止抓取，除非你确实要临时下线，否则这是最严重的问题。
• Disallow: /*?：禁止所有带问号的 URL，可能误伤带跟踪参数或分页参数的正文链接。
• Disallow: /search 或类似路径：只应影响站内搜索页，若你的文章固定链接恰好包含该词，就会被一起挡住。

判断方法：把一篇你想被收录的文章完整 URL 拿出来，去掉域名后得到路径，逐条对照 Disallow 规则。如果路径以某条 Disallow 的值开头，说明它被禁止抓取。注意规则是前缀匹配，Disallow: /blog 会同时挡住 /blog 和 /blog/文章名。若发现误伤，把该条规则改窄或删掉，再重新核对一遍。

检查页面级 noindex 与 canonical 指向

robots.txt 允许抓取，不代表页面会被收录。页面 <head> 里的 <meta name="robots" content="noindex"> 会直接告诉抓取程序不要索引该页。自建博客在测试环境、草稿预览或某些主题设置里，可能给全站或部分模板加上了这条标签。

核对步骤：

1. 在浏览器打开目标文章，右键查看网页源代码。
2. 搜索 noindex，确认它是否出现在 <meta name="robots"> 中。
3. 如果存在，回到博客后台或主题模板，找到输出该 meta 标签的位置，判断是全局设置还是单篇设置。
4. 同时检查 canonical 链接是否指向了别的 URL。若 canonical 指向一个被禁止抓取的地址，也会间接造成收录问题。

适用条件：只有当 robots.txt 已放行、服务器也正常返回内容时，才需要重点查 noindex。如果 robots.txt 已经挡住，先解决上一层的规则，再看这里。

用状态码区分“抓取被拒”和“抓取失败”

抓取限制和抓取失败是两回事。限制是规则主动拒绝，失败是服务器没能正常响应。核对时用状态码区分：

• 200：正常返回，规则层面没有拒绝抓取。
• 403：服务器拒绝访问，可能是防火墙、CDN 或访问控制规则拦截了抓取程序。
• 404：页面不存在，链接可能已失效或被误删。
• 429：请求过于频繁被限流，属于临时性限制，不是永久规则。
• 503：服务不可用，通常是服务器或程序故障。

核对方法：用命令行工具请求目标 URL，例如 curl -I 你的文章地址，看返回的状态码。如果返回 403，说明限制发生在服务端访问控制层，而不是 robots.txt 或 meta 标签。此时需要检查服务器配置、CDN 规则或安全插件，确认是否把抓取程序的 User-Agent 加入了黑名单。若返回 200 但页面仍不被收录，再回到 noindex 和内容质量层面排查。

从交付结果倒推验收清单

假设你的目标是“让这篇自建博客文章可以被抓取并有机会被索引”，那么验收要同时满足以下条件：

1. robots.txt 中没有任何一条 Disallow 规则匹配该文章路径。
2. 页面源代码中不存在 noindex 的 robots meta 标签。
3. 服务器对抓取程序返回 200 状态码，而不是 403 或 429。
4. canonical 指向该文章自身的规范 URL，而不是其他被限制的地址。
5. 文章链接在站内可以被正常点击到达，没有依赖 JavaScript 才能生成的入口。

这五项中任何一项不满足，抓取限制就仍然存在。核对时逐项打勾，不要只看其中一项就下结论。一次改动前后比较时，还要考虑搜索需求本身可能随时间变化，不能把流量波动全部归因于抓取规则调整。

下一步：挑一篇你最希望被收录的文章，按上面五项逐一核对，把不满足的项记下来，先修最靠前的那一层。