在搭建蜘蛛池入口页时，常有人想走一条捷径：页面正文里不放任何超链接，只在头部写一行 canonical，把目标 URL 填进去，希望搜索蜘蛛顺着这个地址去抓。这个做法能不能成立，取决于你是否分清了“发现”和“索引”这两件事。
先分清 canonical 属于哪一层
canonical 是索引层的信号，用来告诉搜索引擎：这一组内容相同或高度相似的页面里，哪个是规范版本。它不负责发现新 URL，也不是抓取指令。
- 发现：靠 <a href> 链接、sitemap、外部链接、主动提交。
- 抓取：受 robots.txt、响应状态码、抓取预算、站点稳定性影响。
- 索引：canonical、noindex、内容质量、重复度在这一层起作用。
把目标 URL 写进 canonical，本质是在索引环节做一次指向，而不是给蜘蛛开一条通道。
那搜索蜘蛛到底会不会去抓 canonical 里的地址
会，但并不稳定，也不该被当成主要手段。
- 引擎为了确认规范关系，有可能去抓一次 canonical 指向的 URL，这属于验证行为，不是承诺。
- 抓不抓，取决于该 URL 是否已在别处出现、是否可被抓取、站点的抓取预算是否紧张。
- 跨域 canonical 通常被当作弱信号，被忽略的概率更高。
- 如果入口页内容与 canonical 指向的页面差异明显，这条 canonical 往往不会生效。
三个常见误区
- 把 canonical 当成“隐形链接”。它的触发时机由索引阶段的判断决定，你无法控制。
- 只写 canonical、不写链接。一旦引擎忽略这条 canonical，入口页就近似一张空页。
- canonical 指向的地址本身是 301、404 或需要登录。这种情况下不仅不生效，还可能让引擎降低对该入口页的信任。
要做 URL 发现，稳妥的做法是什么
- 正文里使用正常的 可点击超链接，锚文本写清楚，指向目标 URL。
- 每个入口页放少量、相关的链接，不要几十上百条堆在一起。
- 入口页本身要能被正常抓取：返回 200、有可读正文、不被 robots.txt 挡住。
- sitemap 与页面内链接保持一致，别让两者互相矛盾。
- 如果目标 URL 已在站点其他地方出现，优先靠站内链接把发现路径打通。
- canonical 留给“内容重复时使用”，而不是留给“发现 URL 时使用”。
怎么验证入口页到底有没有起作用
别只看页面是否被抓，还要看被抓之后发生了什么。
- 查服务器日志：按搜索蜘蛛的 UA 过滤，看入口页与目标 URL 的请求量、状态码和请求时间分布。
- 看 referer 字段，判断目标 URL 的请求是否由入口页带来。
- 用站点后台的 URL 检查工具，确认引擎选定的规范网址是不是你想要的那个。
- 若入口页有抓取、目标 URL 也有抓取但始终不索引，问题更可能在目标页本身，而不是入口页。
canonical 是给已经抓到的页面做归类的，不是用来把蜘蛛引到新地址的。发现靠链接，抓取靠可访问性，索引靠内容。
把三件事分开处理：用链接解决发现，用可访问性解决抓取，用内容与 canonical 解决索引。入口页只是这条链路的起点，任何一个环节出问题，目标 URL 都会停在半路上。