百度抓取改版或迁移时应核对什么：从可交付结果倒推验收清单
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /cd9f734f8f1c.html
📄
百度抓取改版或迁移时应核对什么：从可交付结果倒推验收清单
百度抓取改版或迁移时，应核对的是“抓取入口是否连续、旧地址是否给出明确去向、新页面是否能被独立抓取、抓取结果是否符合预期”。不要只看页面是否能打开，而要从百度蜘蛛最终拿到的内容、状态码和跳转链倒推：哪些资料必须准备、哪些任务必须完成、谁负责、用什么结果验收。
先确定交付结果：百度蜘蛛最终应拿到什么
改版或迁移的交付结果不是“新站上线”，而是百度抓取时能够得到一组可验证的响应。建议先写出一份验收对象清单：
- 旧地址返回什么状态码，是301、302、404还是200空页。
- 新地址是否返回200，正文是否与旧页面主题对应。
- 跳转链是否只有一跳，是否出现301跳302再跳200的链式跳转。
- 百度蜘蛛抓取时看到的HTML中，是否包含目标正文和可跟随链接。
- robots.txt是否误拦截新目录、跳转中间路径或静态资源。
- XML站点地图是否只列最终可访问的规范地址，且不混入旧地址、参数地址和404地址。
这些项目就是后续任务分配和验收的依据。缺少其中任何一项，百度抓取都可能停留在旧地址、跳转链或错误页上。
改版或迁移前必须准备的资料和责任人
从交付结果倒推，至少需要以下资料：
- URL映射表：旧地址、新地址、对应关系、跳转类型、负责人、完成状态。一对一迁移直接映射；多对一合并要说明保留哪个目标页；不再提供的页面要明确返回410或404，而不是跳到首页。
- 服务器与CDN配置记录：谁负责配置301，谁负责验证，回滚条件是什么。跳转规则写在服务器、CDN还是应用层，需要明确，否则容易出现多层规则冲突。
- robots.txt与站点地图：迁移期间是否临时限制抓取，何时解除；站点地图由谁生成、提交和复核。
- 规范地址规则：是否统一HTTPS、是否统一带或不带www、是否保留末尾斜杠。规则确定后，页面内链、站点地图和跳转目标应保持一致。
- 验收人和验收时间：改版或迁移不是开发单独完成的任务，需要SEO、运维、编辑共同确认。验收时间应覆盖跳转生效后、缓存刷新后和站点地图重新提交后。
责任人不清时，最常见的结果是跳转规则只覆盖了栏目页，文章页仍返回404；或者站点地图已更新，但robots.txt仍拦截新目录。
上线后逐项核对：状态码、跳转链与可抓取内容
核对时不要只抽查首页。按URL映射表分层抽样：首页、一级栏目、二级栏目、文章详情页、分页、标签页、搜索参数页。每一类至少检查旧地址和新地址。
可执行检查示例：
curl -I https://example.com/old-page
假设返回301，且Location指向新地址，再请求新地址确认返回200。如果旧地址返回302，应判断是否为临时迁移；临时跳转不利于百度抓取把权重和抓取需求转移到新地址。如果返回200但内容是“页面已迁移”的空壳，百度抓取仍会把它当作可索引页面，而不是迁移信号。
还要检查跳转链：
- 旧地址 → 新地址：一跳，合格。
- 旧地址 → 中间地址 → 新地址：两跳，应尽量合并为一跳。
- 旧地址 → 新地址 → 另一个新地址：链式跳转，需修正。
- 旧地址 → 404：若页面已不存在，可接受；若应有对应新页面，则不合格。
robots.txt的抓取限制不等于可靠的索引移除。若迁移期间用robots.txt禁止抓取，百度蜘蛛可能无法看到301，旧地址可能继续留在抓取队列中。正确顺序通常是先让旧地址可抓取并返回301，再提交新站点地图；确需临时限制时，要明确解除时间和复核人。
站点地图、内链与规范地址的交叉验收
站点地图不保证收录，但它是提交新地址和发现抓取错误的重要线索。核对时看三点：站点地图中的地址是否全部返回200；是否只包含规范地址；是否混入已301的旧地址。若站点地图同时列出旧地址和新地址，百度抓取需要额外判断哪一个是目标页。
内链同样要核对。导航、面包屑、正文推荐位、分页链接如果仍指向旧地址，会形成“页面已迁移，但站内仍把百度蜘蛛引向旧地址”的矛盾。用站点抓取工具或日志抽样，检查内链是否直接指向最终地址，而不是经过跳转。
规范地址要统一。假设规则是“HTTPS + 不带www + 不带末尾斜杠”，那么跳转目标、canonical、站点地图和内链都应使用这一形式。若同一内容存在多个可访问地址，百度抓取可能分散到不同URL上。HTTPS不保证安全无漏洞或排名，它只是迁移核对中的一项协议一致性检查。
判断是否完成迁移的验收标准
可以用以下结果作为验收依据：
- 抽样旧地址全部返回预期状态码，应有新页面的返回301且一跳到达最终地址。
- 抽样新地址返回200，正文与旧页面主题对应，且不依赖登录或特殊Cookie。
- robots.txt未误拦截新目录、CSS、JS和图片等抓取所需资源。
- 站点地图只列最终规范地址，提交后无大量404或跳转地址。
- 站内主要入口不再指向旧地址。
- 服务器日志中，百度蜘蛛对旧地址的请求逐渐减少，对新地址的请求逐渐增加；若没有日志权限，至少通过抓取工具模拟验证。
这些标准用于判断迁移是否“可交付”，而不是保证固定时间内收录或排名。不同站点的抓取频率和页面规模不同，判断应以实际响应和日志为准。
下一步：按URL映射表抽取20条旧地址，逐条执行状态码和跳转链检查，把不符合预期的地址标出负责人和修正期限，再重新提交站点地图并观察日志中的抓取变化。
