在搭建蜘蛛池入口頁时，有人為了省事，把目标 URL 直接以纯文本形式寫在正文里，而不做成可点击的超連結。這種寫法能不能让搜尋蜘蛛發現目标地址？结论是：不可靠，能识別属于偶然，识別不到才是常见情况。
搜尋蜘蛛识別連結的第一来源是 a 标簽
搜尋蜘蛛拿到 HTML 後會先做解析，把頁面里的連結提取出来放進抓取队列。提取时優先看的是 a 标簽的 href 属性，因為這是 HTML 規范里明确表示這是一條連結的位置。href 里的地址會被直接当作候選 URL，再配合連結文字和周围上下文一起處理。
纯文本 URL 只是普通文字节点。解析器需要先做一轮猜测，判断這段文字是不是地址，再决定要不要抓。這個猜测過程不是所有搜尋引擎都會做，做了也不保證每次都用同一套規則。所以把入口頁的發現能力押在裸文本上，本身就带着不确定性。
裸文本 URL 在哪些情况下可能被识別
- 正文中完整出現以 https 開头的地址，前後有空格或換行分隔，没有被标点粘连；
- 同一段文字里没有其它干扰連結，頁面主体内容相對干净；
- 该地址在別處已经被抓取過，搜尋引擎有歷史记錄可以對照；
- 解析器版本恰好支持從正文里自動提取連結，這類行為會随引擎更新而變化。
即便這些條件都满足，识別也只是可能。它不像 a 标簽那样带有明确语义，優先級天然更低，抓取节奏也更难预期。
哪些寫法會让裸 URL 彻底失效
- 地址被 HTML 實体轉义，斜杠、冒号被寫成實体形式，解析出来不是合法 URL；
- 地址寫在代碼块、脚本、样式区域内部，這些地方通常不做連結提取；
- 地址被包在資料字符串或前端脚本變量里，又没有配套的動態渲染；
- 地址後面紧跟中文标点或句号，标点被一起切進 URL，導致請求 404；
- 換行把一條地址拆成两段，例如域名和路径落在不同行；
- 地址用短鏈或跳轉服務包装，多一层跳轉就多一次失敗机會。
入口頁更稳妥的連結寫法
- 统一使用 a 标簽，href 寫完整绝對地址，协议、域名、路径都不省略。
- 連結文字寫目标頁面的主题词，不要用点击這里、更多之類空泛文本。
- 地址後不要直接接标点，用空格或換行與正文隔開。
- 同一入口頁面向同一目标站时控制數量，把有限的位置留给真正需要抓取的頁面。
- 需要跳轉时優先用服務器端 301，避免用前端脚本在客戶端拼接地址。
怎么驗證纯文本寫法到底有没有生效
最直接的办法是看目标站和入口頁的訪問日誌，筛出搜尋蜘蛛的 UA，對比時間点和請求路径。如果入口頁有蜘蛛訪問记錄，目标 URL 却長期没有對應請求，說明連結大概率没有被提取出来。
另一個办法是把入口頁 HTML 儲存下来，检查其中的目标地址是不是都在 href 里。如果只在正文出現，就把它改成 a 标簽再观察一段時間。改動之後不要立刻下结论，抓取和調度本身都有延迟。
把關键連結放在 a 标簽里，是成本最低、最不容易出错的做法。纯文本 URL 可以留作补充，但不适合当作入口頁的主要發現手段。