什么是孤岛页面
孤岛页面指的是站内没有任何链接指向它的页面。它存在于数据库里，可能也在 sitemap 里，但用户从首页出发点不到它，蜘蛛也只能靠 sitemap 或者某个外部链接偶然撞见。这类页面打开是正常的，不报错、不返回异常状态码，所以最容易被忽略。
孤岛页面是怎么产生的
- 先发文章、后做栏目，文章发完一直没被挂进任何列表。
- 栏目改版、合并或下线，入口撤掉了，旧文章还留在线上。
- 只做了标签页或专题聚合页，但聚合页自己也没有入口。
- 分页列表只保留第一页的链接，后面的页只能靠“下一页”按钮一页页点。
- 文章只在站内搜索结果里能查到，而搜索页本身不允许抓取。
- 活动页、专题页上线时挂在首页，活动结束后入口被撤掉。
为什么值得花时间处理
蜘蛛发现新 URL 主要靠链接。孤岛页面等于把发现权交给了 sitemap 和运气。带来的后果通常有几个：收录慢、内容更新后蜘蛛不知道、外部链接的权重无法通过站内路径传递下去、日志里长期看不到抓取记录。
它不会报错，所以更需要主动查
404 和 5xx 会提醒你出问题了，孤岛页面不会。页面能打开，站长平台里可能显示“已发现，尚未编入索引”，然后就一直没有下文。想发现问题，只能主动比对链接关系。
怎么把孤岛页面找出来
- 用爬取工具抓一遍全站，导出所有链接指向的目标 URL，去重后得到集合 A。
- 从 sitemap 或 CMS 内容库导出全部可访问页面，得到集合 B。
- B 减去 A 的差集，就是站内没有入口的页面，先从这里面挑优先处理的。
- 对照服务器日志，把长期没有蜘蛛访问记录、站内引荐流量也为零的页面挑出来。
- 看站长平台里的“已发现但未编入索引”“已抓取未编入索引”列表，作为交叉验证。
爬取工具看到的是链接图，日志看到的是实际抓取。两者对照，孤岛页面基本无处可藏。
修复思路：给每个内容一条稳定入口
- 父栏目入口：每篇文章至少能从一个栏目列表、专题页或归档页点进去，面包屑和栏目路径保持一致。
- 相关阅读与上下篇：同主题内容互相链接，比堆全站热榜更有效，也更容易长期维护。
- 分页路径要完整：列表翻到最后一页都有可达链接，别让旧内容只能靠一页页点“下一页”才能到达。
- 聚合页要有门槛：标签页、专题页内容不够就先别自动生成，避免用一批空壳页面去“消灭”孤岛。
- 别把站内搜索结果当入口：搜索页通常不宜抓取，新文章不能只在那里出现。
- sitemap 是兜底，不是替代：它帮助发现 URL，但既传递不了内链关系，也说明不了内容之间的关联。
把它变成上线流程的一部分
内容发布时顺手确认三件事：这条内容挂在哪个栏目、和哪几篇同主题内容互链、列表页里有没有它。改版或下线栏目时，先查一遍该栏目下所有页面的去向，能合并的做 301，不能合并的补新入口或明确下线。每隔一段时间跑一次全站爬取，把差集当成待办清单，而不是一次性的集中清理。
最后提醒一句：不要为了清零孤岛页面，往不相关的地方硬塞链接。入口要和内容主题相关，否则只是把孤岛变成了噪声。