很多人排查收錄問题时只盯狀態碼，看到頁面返回 200 就認為“服務器没問题”。但搜尋引擎判断一個 URL 能不能留在索引里，不只看狀態碼，還要看這個頁面到底有没有内容。返回 200、内容却是空壳的頁面，通常被称為软 404。
软 404 和真 404 的区別
真 404 是服務器明确告诉抓取程序：這個地址已经不存在。抓取程序收到信号後會較快地把 URL 從索引中移除，也不會反复浪費抓取预算。
软 404 則相反：狀態碼是 200，頁面也能打開，但正文几乎是空的，或者只剩模板、導航、推荐位和一句“暂無資料”。抓取程序需要額外判断内容是否有價值，處理周期更長，而且這類 URL 往往會被反复抓取，長期占用抓取预算。
判断标准不是“頁面能不能打開”，而是“用戶带着明确需求進来，能不能得到答案”。
常见的软 404 场景
- 商品或内容下架後，頁面保留 200，僅顯示“该商品已下架”加推荐列表；
- 篩選、排序參數组合出大量没有结果的结果頁；
- 栏目頁内容為空，只靠模板撑起一屏；
- 站内搜尋、用戶主頁、标簽頁在資料不足时仍返回 200；
- 分頁超出實际范围，返回空白頁而不是 404；
- 接口报错被前端兜底成“暂無内容”，但 HTTP 狀態仍是 200。
自查顺序：從日誌到頁面
- 先看抓取日誌。統計哪些 URL 被抓得最多，如果大量抓取集中在無结果頁、空列表頁上，問题基本坐實。
- 再看索引狀態。在搜尋控制台里筛出“已编入索引”但實际無内容的 URL，观察它們的索引量變化。
- 抽样打開頁面。關掉缓存、用無痕窗口，確認正文区域是真有内容，還是模板占位。
- 對比正文占比。正文文字遠少于導航、推荐、广告部分时，即使技術上不是空頁，也容易被视為低质量。
- 核對狀態碼與實际内容是否一致。很多站点前端做了统一错誤頁，後端统一返回 200，這就是典型的信号错位。
几個容易誤判的地方
一是把“内容少”直接等同于软 404。短頁面只要满足搜尋意图，仍然可以正常收錄。二是把“頁面變慢”当成软 404，那是抓取性能問题，處理方式不同。三是只處理前端，忽略後端返回碼，改完看起来正常，抓取程序看到的仍然是 200。
處理方式與收敛策略
- 内容确實下架且不會恢复：返回 410 或 301 到最相關的替代頁面，不要留着 200；
- 參數组合出的空结果頁：用 robots.txt 或 noindex 收敛，同时在頁面里给出合理的預設结果；
- 搜尋、用戶中心等内部頁面：預設不放開收錄，避免消耗抓取预算；
- 分頁超范围：直接返回 404，不要渲染空頁；
- 栏目長期没有内容：先补齐内容，或者暂时合並到上級栏目。
需要提醒的是，處理之後索引不會立刻變化。抓取、重新评估、移除是分阶段進行的，通常要以周為單位观察，而不是改完第二天就下结论。
把软 404 当成一次结构体检
软 404 集中出現的位置，往往就是站内 URL 最容易失控的地方：參數、分頁、篩選、用戶生成内容。與其逐個修补，不如顺手把這几類 URL 的生成規則梳理一遍，能提前避免一大半後續的收錄問题。