做多语言或多地区站点时，很多人把精力放在翻译质量和 hreflang 标签的写法上，却忽略了一个更基础的问题：搜索引擎的蜘蛛能不能顺着链接，自己走到每一个语言版本的页面上。hreflang 只是告诉搜索引擎“这几个页面是同一内容的语言变体”，它本身不是一条链接，也不会凭空创造抓取入口。如果站内链接结构没做好，标签写得再标准，也可能只是躺在那里。
一、先确定 URL 结构，再谈链接
多语言站点常见三种做法，各有取舍：
- 子目录：example.com/en/、example.com/de/。所有语言共享同一域名，内链最容易互相打通，是多数中小站点的首选。
- 子域名：en.example.com、de.example.com。适合团队、服务器或 CDN 配置差异较大的情况，但要额外维护子域之间的互链。
- 独立域名或国别域名：example.de、example.co.jp。地区信号最强，代价是权重分散，且每个站点都要单独做一轮 URL 发现。
结构一旦确定，后续的链接、站点地图、日志分析都要围绕它展开。中途更换结构，等于把已经建立的抓取路径推倒重来。
二、hreflang 是注释，不是通道
最常见的误区是：只在首页写了一组 hreflang，就以为其他语言版本已经被“关联”上了。实际上，蜘蛛发现页面仍然依赖链接、站点地图和外部引用。一组 hreflang 要真正生效，通常需要满足两个条件：
- 每个语言版本的页面上，都能看到指向自己和其他版本的双向标注；
- 被标注的 URL 本身可抓取，返回正常状态码，不落在重定向链的错误终点，也不被 meta robots 或 robots.txt 拦截。
如果 A 页面标注了 B，而 B 页面没有任何回指，搜索引擎往往会忽略这组标注，这就是常见的“单向 hreflang”问题。
三、让每个语言版本都能被独立走到
- 语言切换器使用真实的 a 标签，href 指向对应语言版本的当前页面，而不是只用 JS 替换文案、或写入 cookie 后再跳转。
- 页脚保留静态的语言导航，覆盖全部语言，方便蜘蛛从任意页面抵达其他版本。
- 为每种语言单独提交站点地图，或在一个索引型站点地图中分文件列出，便于观察各语言的收录进度。
- 适度内容互链：同一主题在不同语言下都有独立文章时，可以在相关位置互指，但不必为了互链而堆砌无关链接。
- x-default 指向稳定的兜底页，通常是默认语言版本或语言选择页，且这个页面要能正常抓取。
四、几个容易被忽略的坑
- 依据 IP 或浏览器语言自动跳转：用户和蜘蛛都可能被强制送到某一版本，导致其他语言版本长期没有访问。更稳妥的做法是给出提示，让用户自行选择。
- 把语言做成 URL 参数：example.com/page?lang=en 这类写法会让 URL 数量膨胀，参数处理不当还容易造成重复内容。
- 语言链接只在 JS 中生成：如果服务端返回的 HTML 里没有对应链接，蜘蛛就看不到这些入口。
- 翻译未完成的占位页：大量机翻占位页或空页面如果被放出链接，会稀释整站质量，建议先不放出入口，或配合合适的状态码与 robots 规则处理。
五、用日志和抓取数据验证
结构调整完成后，不要只看后台的收录数字，更直接的判断方式是看服务器日志：
- 统计各语言目录或子域被访问的频次，看是否存在某个语言几乎没人抓。
- 检查蜘蛛请求的状态码分布，重点看 3xx 和 4xx 集中在哪些 URL 上。
- 观察切换器链接触发的抓取是否真正到达目标页，而不是停在跳转层。
- 对比站点地图提交的 URL 与日志中实际被抓取的 URL，找出长期未被访问的部分。
这些数据能说明链接通道是否通畅，比任何猜测都可靠。至于市面上各类蜘蛛池工具，它们可以在短时间内制造大量请求，但并不会帮你把站内结构理顺；抓取频次上去了，页面质量和可用性未必跟得上。
多语言站点的 URL 发现，本质是让每一条语言路径都真实存在、可达、可被观察。标签是补充说明，链接才是路。