上周帮人看一个刚挂上去的池子站,收录到第 12 天忽然停住,之前每天稳步加两三篇。我把源码抓下来和页面截图对着比,发现每篇正文的后半段都包在一个 display:none 的 div 里。一千七百字的稿子,蜘蛛能看到的只有六百字出头。
防采集的代码,把蜘蛛一起防掉了
这站去年被人一天搬走四十多篇,站长就找了段防采集脚本:右键禁掉、鼠标选不中、后三屏要登录才显示,实现上索性给那段 div 加了 display:none,靠 JS 执行后再放出来。人在浏览器里看得见,蜘蛛拿到的是一段没字的空壳。
三种常见藏法,后果不一样
display:none 最狠,文字直接不在文本流里,正文等于从中间截断;visibility:hidden 只是画面上看不见,文字还在 HTML 里,但多数引擎照样不给权重;把整段转成图片,alt 又没写清,那就等于零,连图带字都白放。
十分钟自查有没有踩这个坑
打开文章源码,搜 display:none 和 visibility:hidden;把浏览器 JS 关掉再刷一遍,看正文还剩多少;再去站长平台做抓取诊断,或者翻快照的正文长度。三步下来差多少字,一眼就清楚。
图里那段代码就是典型:锚点、样式的编号都标出来了,h1 和 p 一起被 display:none 关掉,页面上还能读,源码层面已经没了。
真想防采集,换个不伤收录的做法
水印、段落中间插一句带域名的说明、正文延迟两百毫秒输出、复制时自动带来源署名,这几种都不影响蜘蛛读全文。要限制得更死,就走接口鉴权和登录,别在 HTML 这一层动手脚。
隐藏文字本身就是被 K 风险
算法眼里,隐藏文字跟堆关键词算同一类。我手里有个更早的例子,正文藏了三百多字的品牌词,两个月后整站只剩首页还挂着排名,其余全掉光了。
那站后来把 display:none 拆了,换了两处水印,第 19 天重新收到 9 篇,正文平均抓取字数从 600 涨到 1650。边界这块的排查思路,可以接着看正文边界那篇。

评论列表