有些 URL 打开是正常的：状态码 200，有页头页脚，有标题，但页面主体没有真正的内容。下架的商品、搜索无结果的页面、筛选条件拼不出结果的列表、暂时没有文章的栏目，都会长成这样。它们常被叫做软 404 或空壳页面，因为对用户和蜘蛛来说，这条地址等于什么也没提供。
它和真正的 404、410 差在哪
真正的 404 是明确的信号：这个地址没有内容，蜘蛛会逐步把它清出索引。软 404 返回的是 200，等于告诉蜘蛛「这里有一页正常内容」，只是内容恰好是空的。蜘蛛不会因此报错，反而可能把它当普通页面处理，抓取、渲染、甚至收录。差别不在内容多少，而在状态码给出的信号是否一致。
这类页面通常从哪冒出来
- 站内搜索的无结果页，参数不同就生成一条新地址。
- 已下架或已删除的内容，页面还在，只是换成了一句提示。
- 筛选、排序、分页越界后返回的空列表。
- 会员中心、订单详情等需要登录才能看到内容的页面，未登录时只剩框架。
- 栏目建立后长期没有更新内容，模板照常输出。
为什么值得花时间清理
一是消耗抓取资源。蜘蛛在空页面上花的时间，本来可以拿去抓有内容的页面。二是影响质量判断。站点里长期存在大量只有模板的页面，会让搜索引擎对整站的内容密度打折扣。三是用户在搜索结果里点到这种页面会直接退回，这种反馈最终也会体现到页面的表现上。
怎么判断一个页面是不是软 404
- 用不带登录态的请求抓一次页面，看返回的状态码和正文长度。
- 把模板文字去掉，看剩下的内容是不是只有「暂无内容」「没有找到」这类提示。
- 在服务器日志里看这类地址被访问的频率，以及蜘蛛是否反复来访。
- 抽样搜索几条这种地址，确认是否已经进了索引。
处理顺序建议
先分类，再决定动作，不要一刀切全部删掉。
- 有替代内容：比如下架商品还有同类目页面，做 301 指向最近的可用页面。
- 彻底没有价值：返回 404 或 410，让信号明确。已经无人引用的页面用 410 表达更干脆。
- 页面本身要保留，只是不该被索引：加 noindex，并且确保它没有被 robots.txt 屏蔽——被屏蔽的页面蜘蛛读不到 noindex，反而可能长期留在索引里。
- 清理内链：把指向这些地址的站内链接换成有效入口，否则蜘蛛还会顺着老链接反复来访。
判断标准很简单：这条地址如果被用户直接搜到，他会不会觉得自己被骗了。会，就不要让它以 200 的状态留在索引里。
几个容易踩的坑
一是用 robots.txt 屏蔽代替处理，结果页面既不能被读取也不能被移除。二是只改了页面内容却不改状态码，空壳依旧是 200。三是把正常但内容较少的页面也当成软 404 删掉，比如联系方式页、说明页，这类页面有明确用途，不属于空壳。四是一次性批量删除却不做跳转，用户从外部链接进来只看到错误页。
软 404 不会有报错提醒，只能靠定期巡检发现。把状态码、正文长度和站内链接一起看，比单看收录数量更能说明问题。