入口页被爬，不等于目标页被爬。中间往往隔着一次跳转——跳得顺，蜘蛛顺着往下走；跳得别扭，它可能就停在入口页不动了。这篇文章把几种常见的跳转方式放在一起对比，说明各自对爬虫的实际影响，以及运营时容易踩的坑。
先分清跳转和内链
很多人把这两件事混着说，但它们的机制并不一样。
- 内链：入口页本身承载内容，正文里放一个指向目标页的链接。蜘蛛要先解析入口页，再决定跟不跟。
- 跳转：入口页基本不呈现内容，直接把自己的位置让给目标页。只要蜘蛛识别到跳转，就会继续走。
内链更自然，但依赖蜘蛛愿不愿意点；跳转更直接，但会把入口页本身的位置让出去。选哪种，取决于入口页是长期存在的入口，还是临时过桥的踏板。
几种跳转方式的实际表现
301 永久跳转
信号最明确。蜘蛛抓到响应头后，通常直接去抓目标页，不会在入口页上浪费第二次请求。代价是入口页本身会被逐步合并掉，如果你还需要它作为可被访问的入口，就不合适。它适合那种目标页才是真正落地页、入口页只是过渡的场景。
302、307 临时跳转
蜘蛛一般也会跟，但会反复回来确认入口页是否恢复原状。这种回访会持续占用抓取预算，入口页数量一多，预算就被回访吃掉了，目标页反而摊得少。
meta refresh
写在 HTML 里，蜘蛛必须先拿到入口页的 HTML 并解析，才能看到这条跳转。延迟秒数建议设得很短，比如 0 到 1 秒；设成几十秒，部分爬虫可能不等就离开了。
JavaScript 跳转
依赖渲染能力。具备渲染能力的爬虫才会执行脚本、拿到新地址；不具备的，可能只看到一张空壳页面。如果入口页 HTML 里连一条可跟的链接都没有，这一跳很容易断在这里。
跳转链条不要拉太长
A 跳 B、B 跳 C、C 跳 D，每多一跳，被中途放弃的概率就叠加一次。尽量一跳到位。如果确实需要多跳，中间不要把 301、meta、JS 混着用——不同方式在不同爬虫上的执行顺序不一致，最终落在哪一层很难预判。
几个常见误区
- 所有入口页 301 到同一个目标页：信号过度集中，看起来更像批量制造而非真实推荐。
- 入口页做成空页面加 JS 跳转：等于把能不能走到目标页完全交给对方的渲染能力。
- 跳转目标频繁更换：蜘蛛刚记住一条路径，下次来又变了，来回几次就不太愿意再跟。
- 只看入口页状态码：入口页返回 200、301 都正常，但不代表目标页真的被抓了。
相对更稳的做法
- 入口页保留少量真实内容，把主要出口放在正文内链上，跳转只作为兜底手段。
- 确实需要跳转时优先 301，明确、一次到位，不做层层接力。
- 控制指向同一目标页的入口页数量，避免全部收束到一个 URL。
- 上线后翻日志，确认目标页有没有被抓取记录，而不是只盯着入口页的响应码。
跳转做得好，只是让蜘蛛更有可能走到目标页；至于目标页最终会不会被收录，还要看内容质量、站点整体情况和搜索引擎自己的判断，没有哪种跳转方式能替代这些。
把跳转当成一条路来看：路短、路直、路标清楚，蜘蛛才愿意走。运营中更值得花时间的，其实是入口页本身有没有可看的内容，以及目标页值不值得被继续抓下去。