增加百度收录 - 改动前怎样保存原始状态
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /2718ab29f4ce.html
📄
增加百度收录 - 改动前怎样保存原始状态
改动前保存原始状态，核心做法是先做一份可回退的完整快照：把线上正在生效的HTML、CSS、JS、模板、robots.txt、站点地图和数据库相关字段原样复制到独立目录或版本库，并记录抓取时间与URL清单。这样做的目的不是备份本身，而是让改动后能对照出“百度看到的页面”到底变了什么，一旦收录表现异常可以快速还原。
适用前提：哪些改动必须先留原始状态
只要改动会影响百度抓取或页面内容，就应先留档。常见包括：改标题和正文、调整URL或参数、改内链结构、修改robots.txt、更换模板、调整canonical与hreflang、改动分页和筛选页逻辑。纯样式微调、不影响输出HTML的改动，可以只留版本记录。
如果项目已经用Git等版本控制管理，仍需额外保存一份“线上实际返回”的快照。版本库里的代码和服务器实际输出可能因缓存、CDN、动态渲染而不一致，两者都要有。
具体做法：按抓取视角保存，而不是只存源码
百度抓取的是服务器返回的响应，不是本地源文件。保存时应以响应为准，步骤可以这样执行：
- 列出要改动的URL清单，逐条用
curl -i 目标URL保存完整响应头与正文，或使用浏览器开发者工具的“网络”面板导出。文件名带上日期和状态码，例如20250101-about-200.html。 - 对同一URL分别保存“默认User-Agent”和“百度蜘蛛User-Agent”两次结果。若两者返回内容不同，说明存在按UA分流，这本身就是需要记录的原始状态。
- 单独复制robots.txt、各站点地图文件、canonical标签所在位置的原始值，以及页面上的meta robots内容。
- 把上述文件放入独立目录，或提交到一个专门的分支/标签，提交信息写清“改动前线上快照+日期”。
- 记录当时的收录与抓取基线：在百度搜索资源平台查看已收录数量、抓取频次、抓取异常，把这些数字抄进快照目录的说明文件。没有基线，改动后无法判断变化是否由本次改动引起。
如果页面数据来自数据库，还要导出对应记录的字段值，尤其是标题、描述、正文、状态字段。只备份模板不备份数据，回退时会缺内容。
验收信号：怎么确认原始状态存对了
保存完成后做三项检查：
- 可还原性：随机挑一个快照文件，用浏览器直接打开，页面结构与线上一致，不是空白或纯文本乱码。
- 完整性：URL清单里的每一条都能在快照目录找到对应文件，没有遗漏动态参数页。
- 可对照性：改动后能用
diff或文本对比工具，直接看出标题、正文、canonical、robots指令的差异。
判断结果：三项都通过，说明原始状态可用于回退和归因；若可还原性不通过，说明保存的是源码而非响应，需要重新按抓取视角抓取。
容易踩的坑与边界
robots.txt里的Disallow只限制抓取，不等于把已收录页面移除，所以保存robots.txt时不要把它当作索引状态的依据。站点地图只是提交线索，不保证收录，快照里保存它只为对比提交范围是否变化。HTTPS也不等于安全或排名保证，证书和协议变更同样要记录原始配置。
另外，保存原始状态不等于必须长期冻结改动。它的作用是给改动提供一个可回退的起点。若改动后收录下降，先对比快照定位差异，再决定是修回还是继续观察，而不是凭印象猜测。
下一步：按上面的清单，先对准备改动的URL做一次抓取视角快照，并记录当前收录基线，再开始动手修改。
