Indexing API 谷歌加速收录教程：拯救99%不被收录的僵尸页面
打开谷歌搜索控制台后台，报表里躺着 430 个未收录的报红警告。网页发布 35 天后查日志，Googlebot 的造访次数是一个 0。常规的 XML 站点地图更新请求发出去，反馈回执拖了 48 天。花 500 块钱找外包写的 3 篇文章，离谷歌数据库的门槛差了 10 万八千里。
准备好国外的注册手机号。开通一个独立的 GCP 云端工程，名称长度卡在 25 个拼音字母内。找 Web Search Indexing API 选项卡，点亮蓝色的开关。签发一个后缀是 json 的私钥文件，文件体积只有 2.3KB。小文件丢了，得重新走一遍 20 分钟的验证授权流程。
GSC 后台的 7 种爬虫状态码
发现尚未编入：新网页生成，谷歌的抓取队列排到了 72 小时之外。
已抓取未编入：爬虫花 300 毫秒拿走 HTML 源码，剔除掉重复段落放弃了。
服务器错误 500：主机在 5 秒钟超时红线内没给完整包，连接中断。
找不到 404：原网址在 48 小时内被移除 5 次上。
重定向 301 错误：经历 6 次连环跳转，爬虫切断追踪线。
被 robots.txt 拦截：根目录下的 1KB 文本文件写了 Disallow 指令。
存在 noindex 标记：网页 header 头里塞了一串禁止收录代码，阻挡爬虫收录动作。
服务器上跑着 Nginx 或是 Apache。检查 PHP 引擎的版本型号，低于 7.4 报错。运行内存限制的参数，调高到 256MB。免费的配额定在单日 200 个链接。拿 800 个无意义的采集页面去撞击接口，服务器连续 7 天返回 429 的错误状态码。老老实实推送花 3 小时手敲的 1500 字长文。
谷歌官方开发者文档有一段警告：拿求职招聘数据结构标记去骗取提权，域名面临长达 180 天的人工降权审查期。
推流接口实操的 6 个考核参数
所有者验证权：控制台绑定的管理员邮箱匹配云平台白名单，生效期 15 分钟。
URL 长度规范：提交的单一字符串长度控制在 2048 个字符以下。
请求包体体积：单个 HTTP POST 请求发出去的数据不大于 5MB。
服务器响应期：海外节点在 1.5 秒内加载出那个页面的首屏。
每日额度监控：晚上 11 点 50 分登录控制面板核对剩下的 45 次机会。
报错重发频率：遭遇 503 报错，硬性规定间隔 12 小时去发起第 2 轮测试。
各种收录渠道的耗时明细对比表
| 操作渠道 | 预估等待期 | 收录通过率预估 | 频次上限数值 |
|---|---|---|---|
| Sitemaps 提交 | 15天到90天 | 35% | 50000条每次 |
| GSC 网址检查 | 2分钟到24小时 | 88% | 50条单日 |
| API 接口推送 | 5秒到15分钟 | 92% | 200条单日 |
云主机里面存着很厚重的访问日志。下载那份 120MB 容量的 txt 文本文档。按 CTRL+F 搜寻 Googlebot 的字符串。IP 地址段开头是 66.249 或者 66.102。昨天早上 9 点 15 分接口发包成功，日志在 9 点 18 分记录下一次 200 OK 的抓取动作。网页内容带有 4 张平均 150KB 的 WebP 图片，加载耗费爬虫 950 毫秒。
去年的 20 篇旧网页排版极乱。拿掉 600 字的重复段落。插入 3 个包含数据对比的表格。用 API 面板敲入 URL_UPDATED 指令发过去。下午 5 点半，搜索结果页排名从第 68 名冲到第 22 名。修改的老文章保留了85%的原意。只改 5 个标点符号去挥霍每日 200 次份额，十分浪费。
高配页面的 5 个硬件指标
中文字符量：正文达到 1200 个汉字，排版紧凑不留大白边。
图文视差比：每 400 字塞进一张 800 像素宽的高清大图。
代码层级树：网页 DOM 节点深度死死压在 15 层以内。
加载发令枪：首字节时间 TTFB 卡在 200 毫秒线以下。
外链挂载率：文章内挂着 3 条指向维基百科的超文本参考。
后台设置里有一个名为 json_key 的输入框。把下载好的 2.3KB 密钥文件里的全部字符复制粘贴进去。保存设置的按钮亮起。点击立即推送测试。右上角弹出一个绿色的 Success 提示语。花费时长 3 秒钟。
日志里的爬虫分好几种型号。带有 Smartphone 标记的代表手机端抓取器。占据日志请求总量的 82%。Desktop 电脑端爬虫频率掉到 18%。页面没做响应式适配。手机爬虫花 2.5 秒才把 3MB 背景图拖下来。超标的 3MB 体积触碰了警戒线。第二天控制台有效网页数量少了 45 个。压缩图片体积到 80KB，重新发一次请求。
站长在 24 小时内疯狂点击了 600 次网址检查按钮，隔天的自然搜索点击量掉光了。
服务器日志里有很多伪造的假爬虫。IP 归属地显示在某不知名的廉价机房。User-agent 写着 Googlebot，假的。真爬虫 IP 解析出来以 googlebot.com 结尾。拦截掉那 3000 次恶意抓取，省下的服务器带宽留给真爬虫。接口推送只负责发请柬，对方赴宴看桌上的菜品分量。
原创文章重复率查重过了一遍。Copyscape 显示相似度 12%。过关了。发到网上前 10 分钟，推 1 条指令给接口。5 分钟后用 site 指令在搜索框查一下。标题出现在第一页的第一位。配图缩略图展示在文字的左侧位置。
检查 404 死链的发生频次。100 个历史链接变成死链。用 API 发送 URL_DELETED 指令。把 100 个垃圾链接从数据库里抹除掉。给带有高权重旧链接做 301 重定向处理，指派给 15 篇全新的2000字长文。
死链处理的 4 个参考数值
容忍期限：404 页面连续出现 30 天，记录将被永久抹除。
指令生效期：发送删除指令，最快 2 小时在结果页生效。
重定向比例：不要让全站 301 跳转的数量超过总页面的 10%。
抓取浪费率：死链消耗掉每天 20% 的固定抓取名额。
网站里的老旧标签页占据了大量的空间。WordPress 系统自动生成 450 个 tag 聚合页。空荡荡的标签页里只有 1 篇文章孤零零挂着。谷歌爬虫顺着标签链接爬进去，把 450 个低质量页面打上红色低分标记。在 robots.txt 文件里加上 Disallow: /tag/ 指令。发送 URL_DELETED 给那 450 个空壳地址。
移动端适配检测的 5 项硬性检查
字体大小规范：正文的 CSS 像素值不得小于 16px。
触控元素间距：两个相邻按钮间隔距离保持 8 毫米以上。
视口标签声明：HTML 头部写入 viewport 参数。
图片自适应率：所有 width 属性设为 100% 充满屏幕。
弹窗遮挡占比：广告浮窗面积不超过首屏屏幕的 15%。
海外主机的物理内存时常爆满。一台 2 核 4G 配置的机器挂载 15 个独立站。每天承受 8000 次真实访客点击。叠加上 200 次 API 的高频推送。CPU 占用率飙升到 98%。宝塔面板后台抛出 502 Bad Gateway 红字警告。谷歌爬虫准时来访，撞上一堵报错的死墙。重启 PHP 服务，卸载掉 3 个耗内存无用插件。内存余量恢复到 1.5GB。重新发一遍 20 条 URL 的更新指令。
文章里嵌入 2 个 YouTube 介绍视频。视频外壳采用 lazyload 延迟加载技术。爬虫在最初 500 毫秒内看不见视频代码。停用延迟加载。让 iframe 标签赤裸裸展示在首行。推送 1 遍。20 分钟后用 site 指令搜，结果页里出现带视频缩略图的富媒体展示块。自然点击率多出了 4%。
视频富媒体排名的 3 个考量数据
视频时长要求：嵌入的源视频长度要在 45 秒到 5 分钟区间内。
封面图分辨率：缩略图的高宽比卡在 16:9，像素 1280x720。
描述文字密度：视频正下方配上 300 字纯文本剧情解说。