页面返回 200 但里面是空的：目录站的软 404 是怎么被判出来的

状态码是服务器给爬虫的承诺。返回 200 等于说「这里有东西，你可以收」，返回 404 等于说「这地址没有内容」。软 404 破坏的就是这个约定：头部说 200，内容却明摆着是空的或者报错的。

谷歌在《排查 Google 搜索抓取错误》文档里给的定义很直白——一个网址在返回的页面中向用户表明目标网页不存在，同时还会返回 200 状态代码。文档还补了一句：在某些情况下，软 404 可能是一个不含任何主要内容的页面，或者是一个空页面。

图片来源：网络，版权归原作者所有，侵权请联系删除

目录站为什么特别容易中招

普通企业站页面少，问题有限。目录站不一样，它的页面是「模板乘以数据」批量生成的，只要模板不管数据是否为空，空页面就会成批出现。

形态	怎么产生的	页面上看得见的样子
空分类 / 空标签	分类建好了，条目还没录	标题加一句「暂无内容」
空内部搜索结果	用户搜了个没结果的词，且 URL 可索引	「没有找到相关条目」
下架条目留壳	数据删了，路由还在	只剩导航和页脚，主体空白
渲染失败的页面	JS 报错或超时，主体内容没渲染出来	骨架屏停在那里

官方文档里列举的成因还包括：缺少服务器端包含文件、与数据库的连接中断、未加载或缺少 JavaScript 文件。这几条对目录站都能对上——尤其最后一条，数据库查不到数据时模板照样输出 200，是最常见的那种。

它带来的三个后果

第一个是抓取预算被浪费在没用的页面上。谷歌抓了、处理了、然后判定为无效丢掉，这一趟完全是白跑。站点小的时候无所谓，几万个条目页的站就不一样了。

第二个是真正该删的旧地址在索引里赖着不走。一个本该返回 404 的地址一直返回 200，它在搜索结果里停留的时间会比正常情况长得多，用户点进去看到的是一个空壳。

第三个容易被忽略：这个判定是谷歌自己的判断，有时候会把站长认为是「正常页面」的薄内容也算进去。被标了，本身就是个提醒——那批页面确实需要补内容或者收掉。

四种形态各自的收尾办法

内容真的没了

该返回什么就返回什么。确定不再回来的，给 410 Gone；只是暂时不确定会不会恢复的，给 404。这两者都会让搜索引擎较快地把它从索引里拿掉。

目录站上最不该做的是把下架条目 301 到首页。官方文档和各类排查指南都提到，谷歌会把「重定向到首页或另一个不相关页面」视作软 404 的一种——因为目标页并不能替代原页面。301 还是 302 在这里不影响判定，相关性才影响。

列表暂时是空的

分情况。如果这个分类以后会补内容，先 noindex，等有了再放开；如果这个分类压根不该建，直接让空分类返回 404。标签页同理，没必要为「未来可能有」保留一堆空壳。

搜索结果页的处理要更干脆一些：不管有没有结果，都保持 noindex。它本来就不该进索引，出不出结果都不影响这个决定。

渲染失败

这一类最难自查，因为你自己打开是正常的——你有缓存、有 cookie、网络也好。要看爬虫视角，得用 URL 检查工具里的「测试实际网页」，看渲染后的截图和 HTML。

目录站能做的兜底是把主体内容放在服务端渲染的输出里，JS 只负责增强。渲染失败时至少还有一个有文字的页面，不至于被判成空壳。

模板页面和占位页

「即将上线」这种页面要么别放出去，要么 noindex。只有标题没有正文的模板页也是一类，建站初期批量生成分类时特别容易出现。

怎么提前发现，而不是等 Search Console 报

Search Console 的网页索引编制报告里，「软 404」是单独一类，点进去能看到具体地址。但那是事后——谷歌已经抓过、判过了。更早发现可以自己做三件事。

第一，定期跑一遍站内抓取，把「内容字数很少」和「页面含没找到之类文案但状态码是 200」这两种情况标记出来。市面上主流爬虫工具都支持按这两个条件过滤。

第二，对一遍服务器日志。找出那些本来不该存在的路径却返回 200 的记录，这一条专治「路由兜底太宽」——很多站的路由配置会把所有未匹配路径交给同一个控制器，控制器找不到数据就返回 200 加一句提示。

第三，把「数据查不到」这个分支显式写清楚。这是从源头解决：条目查不到就 404，分类为空就按上面的规则处理，不要让模板自己决定。

改完之后

在 Search Console 里点「验证修复」，谷歌一般几天内开始重新处理，全部验证完可能需要两到四周，取决于地址数量和站点的抓取频率。单条地址可以用 URL 检查工具请求重新抓取，但同样要排队。

另外提醒一句：软 404 不是惩罚，它只是「这个地址没被收录，原因是内容为空」。不用恐慌，把它当成一份免费的薄内容清单来看反而更有用。