site:域名 只搜到首页？
六个隐形原因。

在谷歌里搜 site:你的域名，只出来首页一条，或者出来三五个还是同一批页面。这不代表站做错了，代表谷歌抓到了、但没打算收，或者根本没抓进来。六种原因，症状都是「搜不到」，修法完全不同。

site: 出来的那个数字，到底是什么？

很多人把 site: 的结果数当成「被收录的页面数」，这是个常见误解。它给的是一个估算的抽样，不是精确清单：同一个查询今天和明天可能差很多，翻到第三页就没了。

所以它是用来做定性判断的，不是定量统计。判断标准只有三档：

• 只出首页一条：整个站基本没进索引，问题在入口层。
• 出来一批但都是同类页：抓是抓了，但只收了某一种页面，问题在页面层。
• 出来的数量跟你的页数对得上：收录没问题，那问题在别处（关键词、内容质量、竞争）。

要精确数字，别看 site:，去 Search Console 的「网页」报告。它会明确告诉你：已编入索引多少、已发现但尚未编入索引多少、被 noindex 排除多少。这个报告比 site: 有用十倍，因为它会告诉你原因。

原因一：robots.txt 挡住了整站

最粗暴也最常见。开发环境为了防止被收录，在 robots.txt 里写了一行 Disallow: /，上线时忘了删。表现是 site: 几乎不出东西，Search Console 里也没有抓取记录。

检查方法：直接访问 https://你的域名/robots.txt，看有没有 Disallow: /。注意判断它的作用范围——写在 User-agent: * 下面才是全站，写在某个具体爬虫下面是只针对那一家。

一个容易忽略的细节：robots.txt 是区分大小写的路径。如果有人把文件名写成了 Robots.txt，在某些服务器上（尤其 Linux 静态托管）会 404，爬虫读不到规则，行为就退回到「默认全抓」——这次不是被挡，而是规则压根没生效。

原因二：noindex 残留

和上面相反：能抓，但明确说了「别收」。多语言站、A/B 测试页、测试域名切换后的残留，都容易留下这个标签。技术说明很直接：

“noindex is a rule set with either a <meta> tag or HTTP response header and is used to prevent indexing content by search engines that support the noindex rule, such as Google.” “Important: For the noindex rule to be effective, the page or resource must not be blocked by a robots.txt file, and it has to be otherwise accessible to the crawler.”

注意第二句这个前提条件：noindex 要生效，页面必须没有被 robots.txt 挡住。所以「robots 挡住 + noindex 兜底」这个看起来最保险的组合，其实是有问题的——挡住之后爬虫读不到 noindex，被挡的页面如果以前收过，会一直留在索引里显示旧内容。

Google 搜索中心 · 用 noindex 阻止索引

检查方法两处都要看：一是页面 head 里的 <meta name="robots">，二是响应头里的 X-Robots-Tag。后者是服务器加的，在页面源码里看不见，很多人只查了 meta 就以为没事。

顺带说一个反直觉的点：如果页面已经被收录、现在想让它消失，正确顺序是先去掉 noindex 让它能被抓、再让它读到 noindex，而不是反过来。挡住就永远读不到那条指令。

原因三：JS 渲染出来是空白

如果页面内容是靠 JavaScript 从接口拉回来再渲染的，搜索引擎第一次抓到的 HTML 里可能什么都没有。谷歌有渲染能力，但渲染是排队进行的，不是立刻——一个资源多、脚本重的页面，可能几周才被渲染一次，渲染失败就一直是空白入库。

判断方法很土但有效：浏览器里关掉 JavaScript，刷新页面，看还剩多少内容。如果你自己看到的是空白或者一堆骨架屏，爬虫大概率看到的一样。

修法不是「加个预渲染插件」这么简单。真正省事的做法是让主内容本来就在 HTML 里——产品参数、公司信息、文章正文，这些最该被收录的东西，不该依赖脚本才能出现。

原因四：sitemap 没提交，或者提交了全是错的

sitemap 不是收录的保证，但它是最省事的告知方式。没有它，谷歌只能靠外链和站内链接慢慢爬。一个新站没有外链，爬虫找到你的速度可能以周计。

提交之后还要看状态。Search Console 的 sitemap 报告会区分「成功」和「有错误」：成功是指文件能被读取，不代表里面的 URL 都被收录。常见错误包括：文件里写了不存在的页面、URL 写成了 http 而站点已经全站 https、以及 sitemap 里的地址和页面 canonical 指向的地址不一致。

还有一条容易被忘：sitemap 里的地址必须是最终地址，不能是会发生 301 的地址。如果 sitemap 写的是 /service.html、而实际访问会跳到 /service/，谷歌会在报告里标成「网页会自动重定向」，这类的处理优先级很低。

原因五：内链断了，爬虫走不进去

爬虫靠链接发现页面。如果一个页面只能从站外某个链接进来、站内没有任何入口，那它就是个孤岛页。孤岛页不是不收录，是很难被持续重抓——内容更新了也没人知道。

外贸站最常见的孤岛：产品页只挂在筛选结果里、文章只出现在博客第一页、旧的活动页从导航撤下来但还留着。检查方法很简单：随便挑五个页面，问自己「从我首页出发，点几下能到」。超过三次点击的，基本算半孤岛。

还有个更隐性的问题：链接是 JS 触发的。onclick="location.href=..." 这种写法，用户能点，爬虫看不到。链接必须是真正的 <a href>。

原因六：整站被当成同一页的不同参数

如果你的 URL 里带一堆参数（?utm_source=、?page_id=、?lang=），谷歌可能把它们都归到同一个页面，只收一个代表。表现就是 site: 出来的数量远小于实际页数。

修法是把 URL 结构收敛成目录式：/products/pump-a/，而不是 /product.php?id=123。已经上线的站改结构要配 301，这一点在迁移那篇里讲得更细。

一张表，按症状对原因

修完之后，怎么让它快点生效？

改动不会自动生效。顺序是：改完 → 在 Search Console 里对几个关键页面用「网址检查」请求编入索引 → 重新提交 sitemap → 等三到七天再搜一次 site:。

「请求编入索引」有配额，一天别刷几十个页面。挑最有价值的五个，产品主页和核心文章页优先。

如果站点规模不大、改动又多，可以走 IndexNow 这条快路——Bing、Yandex、Seznam、Naver 共用这个接口，改完主动推一次，通常几小时就能看到重抓。谷歌不吃这套，只能等。

为什么托管站不太会碰上这事？

静态站的收录问题少一半，原因不神秘：每个 URL 就是一个真实存在的文件，不会出现「路由匹配失败返回 200 空白页」这种软 404；html 里本来就是完整内容，不依赖脚本渲染；sitemap 和 canonical 都是从同一份配置生成的，不会自相矛盾。

要说也不能全免：robots 写错、noindex 忘删、内链没做，这些人为问题照样会发生。区别在于出问题时排查路径短——文件摆在那儿，看一眼就知道是哪一个环节。

搜不到自己的站？把域名发我，我查三处：robots、noindex、sitemap。三分钟能给你结论。