一、百度抓取的完整八步从"能被找到"到"被持续更新"
百度收录一条链接，走的是固定链路：能访问 → 能进来 → 能知道有哪些页 → 能拿到新页 → 能看懂页面 → 能持续回访 → 能看数据。下面按这个顺序排，每一步右边是我们站上的真实状态。
| 步 | 环节 | 要做什么 | 我们 |
|---|
| 1 | 域名与 HTTPS | 全站 HTTPS，http 自动 301 跳 https，证书不过期 | ✓ 已通 |
| 2 | 站长平台加站 | 在百度搜索资源平台添加站点并完成文件验证 | ✓ 已通 |
| 3 | robots.txt | 根目录放 robots，声明地图地址，屏蔽后台与内部页 | △ 一半 |
| 4 | 站点地图 sitemap | 生成全量 URL 清单，带真实更新时间，无死链 | △ 一半 |
| 5 | 主动推送 | 新页面发布即主动推给百度（接口推送 / 自动推送） | ✗ 没做 |
| 6 | 页面结构 | 标题、描述、H1、真实可点的内链、图片说明、结构化数据 | ✓ 基本好 |
| 7 | 抓取诊断 | 用平台工具实测蜘蛛能不能正常抓、有没有被拦 | ✗ 没做 |
| 8 | 数据监控 | 装统计代码，看收录量、抓取频次、来了多少人 | ✗ 没做 |
一句话结论：骨架是通的（能访问、已验证、页面结构没问题、内链是真实可点的），卡在"让百度知道我们有 4301 个页面"这一环——地图只提交了 8.3%，也没有主动推送，等于大部分内容只能等蜘蛛自己慢慢撞见。
二、已经到位的部分11 项，实测通过
- 全站 HTTPS + 301 跳转：http 访问自动跳 https，nginx 三个站点块都已配置
- SSL 证书有效：2026-08-31 签发，2026-11-29 到期
- robots.txt 在根目录，已正确声明地图地址
- sitemap.xml 存在且带完整字段：356 条全部含更新时间、更新频率、优先级，每天自动重写（最近一次 09-07 00:49）
- 站长平台验证文件 4 个全部可访问（HTTP 200），站点已通过验证
- 板块页内链是真实链接：避暑 326 条、民宿 323 条、秋游 377 条、资讯 1189 条，全是
<a href="detail/…">，蜘蛛能顺着爬到详情页
- 每个页面都有标题和描述，板块页描述带真实条数（如"303 条精选内容"）
- 详情页有 H1，正文主题明确
- 图片 100% 有 alt 说明（首页 8 张图全部带）
- 已开启 gzip 压缩：板块页 439KB 压到 72KB，抓取不费劲
- 首页有结构化数据与分享卡片标签，社交转发和摘要识别正常
三、还差着的部分10 项，按影响大小排
① 地图只覆盖了 8.3% 的页面 · 最要命
实测：全站 4301 个页面（根目录 135 + 详情页 3752），地图里只有 356 条
根目录 135 个页面只有 10 个进了地图，路线页、板栗专题、冰桂酥月、老月饼、打板栗、摆摊手册、甜柿、直播培训、各目的地专题页一个都没进。等于我们做的内容，百度压根不知道它存在。
整改：重写地图生成规则 —— 自动扫描全站真实 HTML（排除备份/测试/后台页），一次提交全量，之后每天增量追加。
② 地图里混着死链
实测：随机抽 12 条，2 条打不开（404），比例约 17%
死链进地图会被判"站点质量差"，直接压低抓取额度。
整改：生成地图前逐条校验状态码，非 200 一律剔除；已有的失效条目从地图中删除。
③ 地图里的"更新时间"是假的
实测：356 条里 355 条的更新时间都停在 2026-07-13，只有一条是当天
百度靠这个时间判断"这页有没有新东西"。时间长期不动，蜘蛛就懒得来了。
整改：直接取页面文件的真实修改时间写入，内容真变了才更新时间戳。
④ 完全没有主动推送
实测：全站无推送接口、无自动推送代码、服务器定时任务里也没有推送动作
现在新页面上线后只能被动等蜘蛛来撞，周期以周计。有主动推送，新页面当天就能进队列。
整改：新页面发布后自动调用推送接口提交链接；页面底部加一行自动推送代码，有人访问即顺带提交。
⑤ robots 没屏蔽后台和内部页
实测：后台目录、登录页、工作台、员工门户、库存与订单后台、接口目录全部对蜘蛛开放
更需要注意的是根目录还躺着 23 个备份测试页和 19 个内部方案页（突破方案、运营手册、审计、投放方案等），这些都被蜘蛛看得见，有被收录外泄的风险。
整改：robots 里明确屏蔽后台、接口、备份测试与内部方案这几类路径。
⑥ 首页和板块页缺 H1
实测：首页 H1 数量 0，避暑页 0；只有详情页有 H1
整改：首页和各板块页补一个 H1，写清这一页讲的是什么。
⑦ 没有装统计代码
实测：全站无百度统计
没有统计，就不知道百度来了多少人、抓了哪些页、哪些词带来了流量，后面没法迭代。
整改：装百度统计，把"收录量 / 抓取频次 / 来源词"三项纳入日常查看。
⑧ http 和 https 被当成两个站收录
实测：搜索结果里 http://ltdlt.cn 与 https://ltdlt.cn 同时存在
权重被摊薄。虽然有 301 跳转，但历史收录没合并。
整改：在站长平台提交 HTTPS 认证 / 站点改版规则，把 http 版本合并过来。
⑨ 板块页没写关键词
实测：只有首页有 keywords，六个板块页都没有
整改：各板块补上自己的关键词（避暑、民宿、秋游、结伴、活动、文化各写各的）。
⑩ 页团体量偏大、快照数据不一致
实测：资讯页 976KB、民宿页 447KB、避暑页 426KB；首页标题写"3485 个玩法"，电脑版写"1492 条"
整改：板块页首屏之外做分批加载；全站标题里的条数统一由一个数据出口生成，别各写各的。
四、接下来怎么干分两摊
我这边可以直接做的（改服务器配置，不需要账号）
- 第一步：重写站点地图生成规则 —— 全量扫描 + 剔除死链 + 写真实更新时间，覆盖率从 8.3% 拉到 95% 以上
- 第二步：robots.txt 补齐屏蔽规则（后台、接口、备份测试页、内部方案页）
- 第三步：首页与六个板块页补 H1、板块页补关键词
- 第四步：地图生成挂进每日定时任务，新页面当天进地图
需要您在百度搜索资源平台点一下的（需要账号权限）
- 第一步：把推送接口的调用凭证给我（平台"普通收录 → API 提交"页面里有），我接进发布流程，新页面上线自动推
- 第二步：提交一次站点改版 / HTTPS 认证，把 http 老版本合并到 https
- 第三步：装百度统计（需要统计 ID），把收录和流量数据看起来
- 第四步：用平台的"抓取诊断"实测一次首页和板块页，确认蜘蛛看到的内容和我们看到的一致
说明：上面所有数字都是今天（2026-09-07）从线上实测抓出来的，不是估算。页面越往上优先级越高，先解决前四条，收录量会有明显变化。