打开一个 URL，浏览器里显示“没有找到相关内容”，或者只剩下导航和页脚，但服务器返回的状态码是 200。这类页面就是通常说的软 404。它比真正的 404 更麻烦：真正的 404 是明确的“这里没有东西”，软 404 却在告诉搜索引擎“这是一个正常页面”。
软 404 常见的几种来源
- 商品或文章下架，页面模板还在，正文位置空了。
- 筛选条件组合后没有结果，列表页只剩下一个空容器。
- 分页参数超出范围，比如第 200 页实际上并不存在。
- 站内搜索结果页，关键词没有匹配到任何条目。
- URL 被手工改动或参数失效，页面兜底到一套通用模板。
这些页面的共同点是：HTTP 状态码是 200，模板、导航、页脚都在，唯独缺少这个 URL 本该提供的正文内容。
为什么它会干扰收录
搜索引擎判断一个 URL 是否值得进索引，先看能不能抓到，再看抓到的是什么。软 404 在这两步都“过关”了：抓得到，状态码正常。于是它可能被当成普通页面处理，进入索引或者长期留在抓取队列里。
由此产生的直接影响有这几个：
- 占用抓取额度：蜘蛛把时间花在空页面上，真正需要更新的页面被往后排。
- 索引里出现空壳：这类 URL 即使被收录，也很难带来访问，还会拉低整站页面的平均质量观感。
- 相似内容堆积：大量空结果页往往共用同一套模板，正文几乎一模一样，是典型的重复内容来源。
相比之下，返回 404 的页面会被明确标记为不存在，通常更快退出索引。软 404 因为缺少这个信号，处理周期往往更长。
怎么判断一个页面是不是软 404
不能只看浏览器里显示的文案，建议结合抓取工具和服务器日志一起看：
- 看 HTTP 状态码，是不是 200。
- 看正文长度，去掉导航、页脚、推荐位之后还剩多少。
- 看页面标题和 H1，是不是和真实内容对得上，还是只剩一个模板标题。
- 在站内搜同一个关键词，比较有结果和无结果的页面，差别是否只在正文区域。
处理顺序：先让状态码和事实一致
核心原则可以概括成一句话：这个 URL 到底有没有内容，状态码就应当说明什么。
- 确实不存在的页面：返回 404；如果是永久下架且不会重新上线，410 也是可用的信号。
- 下架但已有替代品：用 301 指向最接近的同类页面，注意不要把所有下架页一律指到首页。
- 筛选、排序、分页参数越界：越界时返回 404，正常范围内保留，并对参数组合做收敛。
- 站内搜索结果页：一般不建议让它们进入索引，可以用 robots 限制抓取或加 noindex。
- 有意义的空状态页：比如“该分类暂时没有商品”，如果确实有导航价值和后续内容，可以保留，但要补充相关推荐、分类入口等真实内容。
不要把 noindex 当成万能补丁。noindex 需要蜘蛛能抓到页面才读得到；如果同时用 robots.txt 屏蔽了抓取，蜘蛛读不到 noindex，页面反而可能以别的形式留在索引里。
处理之后要观察什么
改完状态码不等于索引马上更新。可以固定一份抽样清单，把曾经返回 200 的空页面列进去，隔一段时间复核：状态码是否已经变化、是否还在被抓取、搜索结果中是否仍能查到。如果数量很大，优先处理被抓取频率最高的那一批，收益更直接。
软 404 的排查本质上不是“删页面”，而是让 URL 的状态如实反映内容状态。这件事做干净了，抓取和索引才有机会把资源用在真正有价值的页面上。