把 canonical 当成“隐藏的链接入口”，是很多蜘蛛池入口页的常见做法：页面正文里不放可见链接，只在 head 里写一行 rel="canonical"，指向想被抓的目标 URL。这样做到底有没有用？不同搜索引擎的处理并不完全一致，但可以给一个大致方向：canonical 有可能被当成 URL 发现线索，但它不是一条可靠的抓取通道，不能当成主力入口。
搜索引擎是怎么看 canonical 的
canonical 的本来用途是告诉搜索引擎“这一组重复页面里，哪一个才是代表版本”。它同时携带了一个绝对 URL，所以从解析角度看，它和普通超链接有相似之处：都是页面上出现的、指向另一个地址的字符串。
正因为如此，部分搜索引擎在处理 canonical 时，会顺手把它记录下来，用于扩充已知 URL 集合。也就是说，你的目标 URL 有机会因此进入待抓队列。但“有机会”和“会被抓”之间隔着好几道门：
- 它属于信号而非指令，是否采用、是否顺带发现，由搜索引擎自己决定；
- canonical 的语义是“合并”，不是“推荐抓取”，指向内容差异很大的页面时，容易被判为错误使用；
- 如果入口页本身没有抓取价值、长期不被抓，head 里的这行字自然也没人看见。
为什么不适合当主力入口
对比正文里的普通 a 标签，canonical 有几个硬伤。
- 可发现性更弱。正文链接是页面结构的一部分，canonical 只是元信息，很多工具链、校验流程根本不会把它算作外链。
- 不可控。你无法通过 rel 属性、锚文本、位置来影响它的抓取优先级，出了问题也不容易定位。
- 风险更高。如果入口页和目标页内容明显不同，等于在告诉搜索引擎“这两个是同一份内容”，反而可能让目标页被合并掉。
把 canonical 当作“多留一条线索”没问题，把它当作“主入口”就有点赌运气了。真正稳定的发现路径还是站内链接、sitemap 和正常的外链。
如果确实想用，比较稳妥的做法
- 只在入口页与目标页内容确实高度相似、属于同一主题时使用，避免语义冲突。
- canonical 写绝对地址，且与目标页真实 URL 完全一致，别带多余的跟踪参数。
- 同时保留正文里的一条普通超链接，让 canonical 只做补充而不是唯一通道。
- 用日志观察目标 URL 是否真的出现抓取记录，而不是只看提交接口的回显状态。
几个容易踩的误区
- 以为 canonical 一定不被跟：其实它可能被用于发现，只是不保证。
- 以为 canonical 一定被跟：不少时候它只被当作合并信号，并没有带来抓取。
- 在入口页堆几十条指向不同域名 URL 的 canonical：这明显不符合 canonical 的语义，容易被判为异常。
入口页该把重心放回哪里
与其琢磨 canonical 能不能当链接用，不如先确认入口页本身能不能被正常抓取：服务器返回 200、响应时间稳定、robots.txt 没有误封、页面没有大面积依赖 JS 渲染。这些基础条件不满足，canonical 写得再规范也没意义。
在这之上，正文里保留少量、指向明确的超链接，配合 sitemap 提交，通常比靠一条 canonical 去赌发现更靠谱。链接数量也没必要堆，入口页的链接越多，单条能分到的抓取机会反而越少。
怎么验证有没有效果
比较实际的办法是分组测试：一部分入口页只用 canonical，一部分只用正文链接，一部分两者都有，跑一段时间后对比服务器日志里目标 URL 的抓取次数、来源 IP 和抓取时间。日志里如果出现来自搜索蜘蛛的请求，且抓取路径能对上入口页，才算真的“被顺着发现了”。只凭提交后的状态提示，很难判断到底是哪条路径起了作用。
说到底，canonical 可以顺手写，但别指望它。入口页的核心还是让人和爬虫都能自然看到目标 URL，其他的都是锦上添花。