"已抓取——暂未收录(Crawled — currently not indexed)"是 Search Console「网页索引编制」报告里最常见的判定,也是解释最少的一个。Google 抓取了这个 URL,解析了它,然后选择不把它放进索引。这是一个质量决策,不是一个错误——这正是它令人抓狂的原因:没有显而易见"修一下"的东西。
Google 实际在说什么
这个判定的含义是:抓取预算已经花掉,而这个页面输掉了质量竞争。Google 会拿它与自己用同样资源能抓到的其它页面做比较。"暂未(currently)"这个词承载了大量信息:这个决策会在后续抓取中被重新评估,所以页面会在索引里进进出出。
有用的心智模型:对每一次抓取,Google 问三个问题。
- 这个页面值得抓取吗(优先级)?
- 抓到之后,值得收录吗(质量)?
- 值得在搜索结果里展示吗(价值)?
"已抓取——暂未收录"倒在了第 2 或第 3 步,而不是第 1 步。
真正重要的五种成因
实践中,几乎所有案例都落在这五类里。它们的解法不同,所以区分它们就是全部工作。
1. 内容单薄或重复。 页面重复了其它页面——你自己的或别人的——已经说过的话,没有任何增量。标签归档、分页堆叠、靠模板撑起来的产品变体页都在这一类。
2. 内链接近孤儿。 页面可达,但勉强:离首页三次点击、零条上下文内链。Google 把抓取信号当作重要性的代理指标。
3. 核心内容藏在渲染或交互步骤之后。 主要内容要等 JavaScript 做点什么(翻页、筛选、滚动加载)才出现,而爬虫不会复现这些动作。
4. 站点发布量超出了 Google 想收录的量。 这是最不受欢迎的一条。如果你持续产出成千上万的低价值 URL,Google 会悄悄降低对整类 URL 的信任,好页面也会被连带。
5. 只是时间问题。 新页面常常在这里待上几天才被收录。这个判定今天是对的,下周就是错的。
如何区分它们
这些成因在 Search Console 里长得一模一样——报告只做聚合,不做诊断。区分它们靠的是逐 URL 的历史:
- 一个页面连续数月保持"已抓取暂未收录"且内容稳定,是第 1、2 或 4 类。检查是否有内链在上下文中指向它,以及它的内容是否比兄弟页面多出任何东西。
- 一个页面在多次抓取间反复进出索引,通常是第 5 类——有时是第 3 类,如果渲染不稳定的话。
- 整个栏目都是这个判定(所有标签页、所有筛选页)是第 4 类。URL 之间的模式比任何单个 URL 更能说明问题。
这正是 indexsubmit 把覆盖历史做成这样的原因:URL Inspection API给你一个快照,但诊断信息藏在时间序列里。当一个 URL 的判定、它邻居的判定和整站 30 天趋势放在同一处时,成因类别通常会自己站出来。
什么才真正有效
按投入产出比排序:
- 合并。 把单薄页面合并进最强的兄弟页并重定向。这同时解决第 1 类并缩小第 4 类。
- 在上下文中做内链。 来自真实页面的两三条链接,胜过 sitemap 里的一行记录。
- 服务端渲染核心内容。 如果页面的价值要点需要点击才出现,就把它直接输出到 HTML 里。
- 减少产出。 对你并不真的想收录的 URL 类别做 noindex 或下线。信任是预算;别把它花在不在乎的页面上。
- 对真正的新页面:等待,然后推送。 用 IndexNow 让页面进入抓取队列,然后观察它接下来几天的判定,而不是手动反复提交。
如何持续观察
Search Console 的报告更新慢,而且只做聚合。想把一份清单当工作台用,你需要的是逐 URL 的判定加历史记录:第一次被抓到是什么时候、判定何时变化、变化前后的趋势如何。
这正是 indexsubmit 跟踪的内容——每条被监控的 URL 每天记录判定,状态变化写入日志,整站劣化会以评分趋势呈现,而不是突然袭击。如果你现在正盯着一堆"已抓取暂未收录"的 URL,连接你的资源,按状态给栏目排序——URL 之间的模式就是诊断结论。