去年有个蜘蛛池站群,页面打开一切正常,图一张张都在,我也就没管。可去查图片搜索的收录,半年下来一条都没有。不是内容不行,是 https 页面里还挂着一批 http 图,这就是混合内容,蜘蛛和你看的根本不是同一个页面。
混合内容分两种,浏览器态度不一样
https 页面引 http 资源,浏览器要分级处理。脚本、样式、iframe 这类是主动内容,直接拦掉,页面会明显崩。图片、音频这类是被动的,多数浏览器只升级或只给个警告,图照样显示。问题就出在这,站长本地看是好的,也就以为没问题,实际上搜索端的资源加载链路被打了折扣。
我是怎么把http图揪出来的
先别急着装工具。curl 拉一篇旧文,grep 一下 src 里带 http:// 的,一个站 118 张图里有 41 张是 http,全在三四年前的老文章里。数据库里再查一遍 content 字段,数字对得上。这些图有些是当年从别人站直接拷的地址,有些是图床从 http 起家,改域名时只改了主站,图床忘了。
动手改,就三步
第一步把模板里所有输出图片、头像、缩略图的地方写死 https,连协议相对的 // 也别留。第二步拿 SQL 批量替换老文里的 http 图地址,改完抽十篇打开看,别把正文里的普通链接一起改错。第三步外链图换成有 https 的源,找不到就本地存一份自己托管。顺带说一句,图片地址 302 跳到 https 也算一次额外请求,能直连就直连。
几个容易漏的地方
一是证书链,缺中间证书的时候浏览器不显示红锁,只在控制台里留一行字,你以为全站干净了,其实还在混。这种检查我在证书那篇里写过一个笨办法。二是 CDN 回源走 http,边缘看着是 https,回源那一段是明文,缓存里存的也可能带 http 引用。三是站群用同一套模板,改一处忘一处,最好全站扫一遍再收工。
改完的效果,别指望立竿见影
三个站改完三个月,图片索引从 0 条涨到 27 条,页面收录没什么大变化。这数字我不敢说是纯因果,但混合内容本来就没有保留的理由,改它是顺手的事。蜘蛛池讲收录讲了这么多年,最后卡住的往往就是这种不起眼的地址写错。

评论列表