网站只收录主页，内容页一直不收录的原因有哪些？

新网站上线以后，经常会出现一种情况：

搜索企业域名，首页已经能够在百度、Google里找到；继续检查产品页、服务页、文章页，却发现发布几十篇甚至上百篇内容以后，搜索引擎还是只收录主页。

很多站长看到这种情况，会开始反复提交URL、每天更新文章、修改Title，甚至怀疑域名是不是“没有权重”。

实际上，只收录首页通常说明搜索引擎已经知道这个网站存在，但从首页继续发现、抓取、评估内容页的过程中，某一层出现了问题。

整个过程可以拆成：

发现URL → 抓取URL → 解析页面 → 判断规范URL → 评估内容 → 进入索引。

所以排查时不要只问：

为什么不收录？

更应该先确认：

内容页到底卡在哪一步？

第一：首页已经收录，至少说明域名本身已经被搜索引擎发现

如果网站首页已经进入百度或者Google索引，至少能够确认几个基础事实：

域名可以正常访问；

搜索引擎已经发现网站；

首页具备基本抓取条件。

这时候内容页长期没有收录，排查重点就应该从：

“搜索引擎知不知道这个网站”

继续深入到：

“搜索引擎知不知道这些内容页，以及为什么没有把它们加入索引”。

例如网站有：

/
首页

/services/
服务页

/products/
产品页

/blog/article-a/
文章页

首页能够收录，不代表后面三个页面一定会自动收录。

搜索系统仍然需要分别发现、抓取和判断这些URL。

第二：先确认内容页到底有没有被搜索引擎发现

这是第一步。

很多网站看起来发布了100篇文章，但搜索爬虫能够发现的入口非常少。

例如文章：

没有出现在首页；

没有分类页；

没有相关文章；

没有内链；

导航也没有入口；

只存在后台数据库里。

对于搜索系统来说，这种页面非常接近：

孤岛页面。

百度搜索资源平台公开资料也提到，页面长期没有被发现的原因之一，就是缺乏可以被搜索引擎访问的链接，页面形成孤岛。百度同时建议通过站内链接和资源提交帮助搜索蜘蛛发现新URL。

所以先检查：

新文章发布以后，用户能不能从首页或者栏目页一路点击进去？

如果正常用户都很难找到，搜索爬虫同样很难稳定发现。

第三：检查robots.txt有没有只允许首页、误封内容目录

这是特别常见的技术问题。

比如：

User-agent: *
Disallow: /blog/

网站首页：

/

没有被禁止。

所以首页能够收录。

但文章全部位于：

/blog/

搜索爬虫根本没有正常抓取机会。

百度搜索资源平台明确说明，robots.txt用于指定搜索蜘蛛的抓取范围；如果希望网站内容正常被收录，就需要避免误封需要搜索的页面。百度现在也提供Robots工具和抓取诊断帮助站长检查这类问题。

所以遇到“只收录首页”，优先打开：

你的域名/robots.txt

重点检查：

文章目录；

产品目录；

服务目录；

分类目录；

有没有被误封。

第四：再检查内容页有没有设置noindex

robots控制抓取。

noindex控制是否进入索引。

例如某个文章模板意外输出：

<meta name="robots" content="noindex">

那么：

首页模板正常；

文章模板全部noindex；

最终就可能出现首页正常收录、文章大量不收录的情况。

这种问题在：

更换SEO插件；

开发测试站迁正式站；

主题模板修改；

时特别容易发生。

Google Search Console的Page Indexing报告会直接显示因noindex等原因无法进入索引的页面，所以Google站点可以先在索引报告和URL Inspection里抽查几个典型文章URL。

不要只检查首页源码。

一定要单独检查内容页模板。

第五：Canonical写错，也可能让搜索引擎放弃内容页

另一个很隐蔽的问题是：

所有文章都能正常访问。

状态码也是200。

但页面Canonical全部错误指向首页。

例如文章：

https://example.com/blog/seo-guide/

HTML却写：

<link rel="canonical"
      href="https://example.com/">

这相当于持续向搜索系统表达：

首页才是这个页面更希望作为规范版本的URL。

如果一批内容页都发生这种错误，就可能造成严重的索引异常。

正常独立文章通常应该检查是否使用：

<link rel="canonical"
      href="https://example.com/blog/seo-guide/">

也就是Self Canonical。

所以“首页有收录、内容页不收录”时，Canonical属于必须抽查的一项。

第六：Sitemap提交了，不代表内容页一定会收录

很多站长的逻辑是：

我已经提交Sitemap了。

里面有500个URL。

为什么只收录首页？

因为Sitemap解决的主要是：

URL发现。

百度搜索资源平台目前的普通收录说明非常明确：资源提交可以缩短爬虫发现网站链接的时间，但无法解决页面最终是否被收录的问题，提交以后也不保证每个URL都进入索引。

百度关于Sitemap的工具说明同样指出：

提交的数据不保证全部抓取和收录，是否进入网页搜索仍然和页面质量有关。

所以：

Sitemap里有URL

只能说明你主动告诉了搜索引擎：

“这里有页面。”

不能直接推导成：

“搜索引擎必须收录。”

第七：确认搜索蜘蛛是否真的抓到了内容页

这一点对于百度特别实用。

可以进入百度搜索资源平台使用：

抓取诊断。

选择一个长期没有收录的文章页，让百度蜘蛛实际抓一次。

百度官方对抓取诊断的定义就是：

从百度蜘蛛视角查看网页，判断抓取内容和站长预期是否一致，同时检查网站与百度之间的连接是否正常。

重点看：

是否抓取成功；

返回什么状态码；

正文是否完整；

有没有被WAF阻止；

蜘蛛看到的内容和用户看到的是否一致。

有时候站长浏览器打开：

完全正常。

百度蜘蛛访问却遇到：

403；

连接超时；

安全验证；

CDN拦截。

这种情况下继续每天写文章，没有解决真正问题。

第八：服务器不稳定，也可能导致首页收录、深层页面长期抓取不足

首页通常拥有：

最多外部链接；

最高站内链接；

最高抓取优先级。

所以服务器性能较差时，搜索蜘蛛可能仍然能够比较稳定地抓首页，但新文章和深层URL的抓取效率很低。

百度公开的不收录原因说明中，就把：

网站封禁；

页面质量筛选；

抓取失败；

抓取配额；

列为影响内容抓取和收录的重要因素，并特别提醒，如果站点页面突然大量增长，也可能影响优质URL的抓取。

所以需要看：

服务器有没有频繁5xx；

TTFB是否特别高；

蜘蛛抓取有没有大量失败；

CDN是否不稳定；

网站是不是一次性生成了几十万个URL。

对于只有几百个正常页面的企业网站来说，如果搜索爬虫大量时间被：

Tag；

参数；

站内搜索页；

动态垃圾URL；

占用，也会降低真正内容页面的抓取效率。

第九：如果已经抓取了，却还是不收录，就要开始检查内容价值

这一层非常重要。

Google Search Console里有一种状态：

Crawled – currently not indexed

意思是：

Google已经抓取这个页面，但目前没有把它加入索引。Google官方明确表示，这种页面未来可能或者可能不会进入索引，也没有必要反复提交抓取。

到了这一步，继续研究：

Sitemap有没有提交

已经没有太大意义。

因为页面已经被发现并抓过了。

需要重点研究：

内容是否太薄；

和其他页面是否高度重复；

有没有真正独立的搜索需求；

有没有提供新的信息。

如果网站有：

100篇文章；

其中80篇只是同一个问题换标题重新写，

搜索系统没有必要全部收录。

第十：新网站最容易出现的问题，是文章很多，但内容差异太小

例如连续发布：

企业SEO怎么做？

公司SEO怎么做？

企业网站怎么做SEO？

企业SEO优化方法有哪些？

如果正文结构和答案高度一致，表面上网站新增了4个URL，实际只覆盖了一个核心问题。

同样，AI批量内容以后特别容易出现：

标题不同；

开头不同；

正文观点基本一样。

这种情况下：

继续增加页面数量，未必能够改善收录。

反而可能把网站有效内容比例越做越低。

更合理的方法是：

一个主要搜索意图，一个核心页面。

然后让真正不同的问题继续建立新URL。

第十一：产品页、分类页如果内容过薄，同样可能长期不收录

内容页不只是文章。

很多企业真正不收录的是：

产品；

案例；

解决方案。

例如一个产品页只有：

产品名称；

一张图片；

联系电话。

搜索系统能够获得的信息非常有限。

可以继续补充：

产品是什么；

解决什么问题；

参数；

应用场景；

不同型号；

真实图片；

案例；

常见问题。

案例页则应该至少说明：

客户类型；

问题；

解决方案；

实际过程；

结果。

页面内容越能够独立解决一个真实问题，进入搜索索引的理由才越充分。

第十二：检查网站有没有大量重复Tag、分类和参数页

假设网站真正只有：

300篇文章。

搜索爬虫却发现：

300篇文章；

100个Tag；

50个分类；

大量分页；

作者页；

日期归档；

站内搜索页；

参数页。

最终可访问URL可能已经变成几千个。

对于新站来说，这会明显增加搜索系统理解网站的成本。

所以建议统计：

后台真实内容URL；

Sitemap URL；

搜索引擎发现URL。

如果三者差距特别大，就需要治理：

Tag；

归档；

参数；

重复分页；

低价值模板。

让搜索系统把更多注意力放回：

真正值得索引的内容页面。

第十三：首页到内容页的点击层级不要太深

例如网站文章想进入：

首页；

内容中心；

分类；

子分类；

分页；

文章。

需要连续点击五六次。

对于规模并不大的企业网站，完全没有必要把架构设计这么深。

更清楚的结构可以是：

首页
↓
内容中心 / 核心栏目
↓
文章

同时利用：

相关文章；

主题页；

面包屑；

正文内链；

增加发现入口。

百度官方历史资料在解释新页面长期不收录时，同样提到页面没有外部或可发现链接、形成孤岛，是影响搜索发现的重要原因。

所以内链不只是为了所谓“传权重”。

它首先帮助：

发现URL。

第十四：新站只收首页，有时候确实需要给搜索引擎一点时间

如果网站：

刚上线三天；

首页已经进入索引；

内容只有十几篇；

技术检查正常；

这种情况没有必要每天大改网站。

搜索引擎并没有承诺：

发现一个新站以后立即把全部页面收录。

Google明确表示：

并不会抓取互联网上的所有页面，也不会把所有已经抓取的页面全部加入索引。

百度公开资料同样说明，新页面从产生到收录本身存在处理周期，实际速度会和页面搜索价值、重要程度等因素相关。

所以：

刚上线

和：

已经运营三个月、只收首页

需要分开判断。

后者明显更值得系统排查。

第十五：不要每天重复提交同一批URL

这是新站特别常见的操作。

今天提交100条。

没有收录。

明天再提交。

后天继续提交。

百度搜索资源平台已经明确说明，普通收录和链接提交工具可以帮助蜘蛛更快发现链接，但不能直接解决页面是否收录。

所以页面已经被发现以后，反复提交没有解决新的问题。

真正需要判断的是：

抓了吗？

如果没抓：

查发现、内链、服务器、robots。

如果抓了：

查页面质量、重复、Canonical和搜索价值。

这个区分非常重要。

第十六：Google可以直接按照这几个状态判断卡在哪里

如果主要排查Google，可以进入Search Console的Page Indexing报告。

比较常见的状态包括：

Discovered – currently not indexed

Google已经知道URL，但还没有完成抓取。

Google官方说明，这通常表示Google发现页面以后暂时没有抓取，可能和站点抓取负载等因素有关。

这时候重点看：

服务器；

URL数量；

网站结构；

抓取需求。

Crawled – currently not indexed

Google已经抓取，但目前没有加入索引。

这时候重点转向：

内容；

重复；

搜索价值；

页面质量。

Duplicate / Canonical相关状态

检查：

是不是另一个URL被Google选成规范页面。

这样比单纯搜索：

site:example.com

判断问题准确很多。

第十七：百度可以按照“抓取—索引—流量”三个层次检查

百度网站可以直接按照这个顺序。

第一层：抓取

看：

抓取频次；

抓取诊断；

抓取异常。

第二层：索引

观察索引量有没有从首页逐渐扩展到内容页。

第三层：搜索表现

已经收录以后，再看：

流量与关键词。

百度搜索资源平台当前仍然把抓取、资源提交、索引和搜索表现作为相互连接但不同的站长管理环节。

不要把：

提交量

直接当成：

收录量。

第十八：网站只收首页，可以直接按照这张清单排查

如果现在遇到这个问题，可以按照下面顺序执行。

1. 随机选择5～10个内容页

不要只测试一篇。

2. 检查HTTP状态码

正常页面应该稳定返回200。

3. 检查robots.txt

确认没有封禁文章或产品目录。

4. 检查Meta Robots

有没有误设noindex。

5. 检查Canonical

有没有全部指向首页或其他URL。

6. 检查站内入口

内容页能不能从栏目、首页或相关文章发现。

7. 检查Sitemap

是否已经包含正确Canonical URL。

8. 使用抓取诊断 / URL Inspection

判断搜索蜘蛛到底有没有抓到页面。

9. 检查服务器和WAF

有没有403、5xx、验证码或蜘蛛拦截。

10. 检查内容重复度

是不是大量页面解决同一个问题。

11. 检查低价值URL膨胀

Tag、参数、归档是否远多于正常内容。

12. 再决定是否继续增加内容

如果前面问题没有解决，先别急着一天增加50篇。

这一套基本可以覆盖大多数“只收首页”的常见原因。

最后：只收录主页，真正需要找的是内容页卡在搜索链路的哪一步

所以网站只收录主页，内容页一直不收录，最常见的原因可以归纳成五类：

第一类：没有被发现。

孤岛页面、内部链接不足、Sitemap没有提交正确URL。

第二类：抓取受阻。

robots、服务器、WAF、蜘蛛访问异常。

第三类：索引设置错误。

noindex、Canonical错误、重复URL。

第四类：网站结构有问题。

大量Tag、参数、分页和低价值URL挤占正常内容发现。

第五类：内容本身缺少索引价值。

页面过薄、高度重复、AI批量同质内容、没有独立搜索需求。

百度目前已经明确说明，普通收录工具只能加快链接发现，无法解决内容是否最终被收录的问题。

Google同样明确区分：

已经发现但没有抓取；

已经抓取但没有索引；

不同状态对应完全不同的处理方向。

所以真正正确的排查逻辑应该是：

内容页有没有入口
↓
蜘蛛能不能抓
↓
抓到的内容是否正常
↓
Canonical / noindex是否正确
↓
页面有没有独立价值
↓
搜索引擎是否选择进入索引

如果只是首页刚收录、新站才上线几天，可以继续观察。

如果已经运营数月，几十、几百个内容页仍然几乎全部不收录，就不要再把问题简单归结成：

“新站权重低”。

把抓取、索引、网站结构和内容质量一层一层拆开，通常才能真正找到问题。

首页被收录，只代表搜索引擎已经找到门口。

内容页能不能继续进入索引，取决于网站有没有让搜索爬虫顺利走进去，以及里面是否真的有值得继续保存和展示的内容。