搜索引擎搜的不是互联网，
是它的「藏书库」

从网页到搜索结果，要过三关

这是一条便于理解的主流程，每一步都不保证下一步：被发现不等于会抓取，被抓取不等于会收录，收录不等于会为你的目标词展示。以后页面「搜不到」，先检查抓取和索引，再讨论排名。少数未抓取的 URL 也可能因外部信息被索引，但正常理解页面仍依赖抓取。

链接是主要的路，sitemap 是发现线索

爬虫从已知页面出发，把页面里的链接加入「待抓取队列」，再一个个访问。下面是一个 7 页的小网站——亲手当一回爬虫：

注意右上角那个孤岛页：这个模拟只沿站内链接走，所以走不到它。真实搜索引擎还可能从外部链接、sitemap（站点地图，URL 清单）或先前已知的 URL 发现页面。即使能被其他入口发现，没有站内入口仍会让用户和爬虫难以理解它的位置。

抓到了 ≠ 收录了

抓取回来的页面还要过一道质量关。这几类页面即使被抓取，也可能进不了索引：

• 内容太薄：没几句话、没有独立价值的页面；
• 大面积重复：和站内或站外其他页面高度雷同；
• 被主动排除：页面标了 noindex（「请不要收录我」，第 13 课细讲）；搜索引擎需要能抓取到这条指令才能处理它。

粗看一个网站有哪些结果，可以搜 site:你的域名，但它不是完整索引清单：没搜到不能直接判定未收录。有网站管理权限时，用 Google Search Console 的「网址检查」查看具体 URL 的索引状态；它的实时测试检查当前可访问性，不等于已经收录（第 24 课专讲）。

排序的依据：相关性、质量、体验、权威

同一个搜索，索引里可能有几百万个候选页面。排序时会综合大量信号（业内常说有几百个），大方向包括：

• 相关性：内容和这次搜索对得上吗？（关键词、意图——阶段二）
• 质量：内容可靠、完整、有独立价值吗？（内容、E-E-A-T——阶段三）
• 体验：打开快不快、移动端好不好用？（技术——阶段四）
• 权威：有多少可信的地方提到你？（链接、品牌——阶段五）

点一点、填一填，检查你会了没

为项目中的一个页面画出发现路径

1. 挑一个重要 URL，在浏览器打开，记录是否正常显示正文，是否需要登录。从首页开始找一条可点击的路径通向它。
2. 在 Google 搜完整 URL 和 site:你的域名，把结果记为「搜索观察」，不要把无结果写成确定未收录。
3. 有网站权限时，在 Search Console 的「网址检查」记录索引状态与原因；没有权限时，写下需要网站所有者提供的这项证据。