把目标 URL 挂到入口页上，是蜘蛛池最基础的用法。不少站点模板会在 head 里顺手写上一行 base href，用来统一控制相对资源的基准地址。这个标签本身没有问题，但一旦它和入口页实际的链接写法对不上，搜索蜘蛛拼出来的目标 URL 就可能落到别的路径上去，日志里看到的抓取地址和你以为的完全不是一回事。
base href 到底改了什么
它只做一件事：给页面里的相对 URL 提供基准。绝对 URL 不受它影响。
- 没有 base 时，相对链接按当前页面 URL 所在目录来拼接。
- 有 base 时，相对链接按 base 的地址来拼接，base 末尾有没有斜杠会改变结果。
- 以 http 或 https 开头的绝对地址不走这套规则，写什么就是什么。
换句话说，base 影响的是那些你写得比较省事的链接，比如只写路径、只写文件名、写上一级目录这类形式。
搜索蜘蛛会不会按 base 来解析
主流搜索引擎在解析 HTML 链接时，一般会遵循 HTML 规范，也就是会考虑页面里的 base。这意味着你写一个相对链接指向某个文件，配上 base 之后，最终组合出来的地址可能和你的预期不一致。
如果目标是让蜘蛛发现一个明确的目标 URL，最稳的做法是把它写成绝对地址，而不是依赖 base 加相对路径的组合去推。
常见的几种跑偏场景
- base 指向 CDN 或静态资源域名。相对链接会被拼到那个域名下面，蜘蛛请求到的其实是另一份内容，或者干脆是 404。
- base 末尾的斜杠丢了。带斜杠和不带斜杠解析出来的路径不同，前者会当成目录，后者会把最后一段当成文件名替换掉。
- 模板里的 base 是写死的历史域名。站点已经换过域名，但 base 一直没更新，链接就都指向旧地址。
- base 里带了参数或锚点，或者值写得比较特殊，解析行为更容易和预期不一致。
- 页面一部分链接是绝对地址，一部分是相对地址，出问题时只排查了一半。
怎么自查
- 打开入口页源码，把 base 和每一类相对链接人工组合一遍，算出实际目标 URL，和你想投放的地址对照。
- 对比服务器日志里蜘蛛实际请求的路径。这一步最直接，谁被请求了、请求的域名对不对，一眼能看出来。
- 用浏览器的开发者工具查看链接的绝对地址，或者用抓取类工具跑一遍入口页，导出发现的 URL 列表。
- 确认入口页有没有多套模板。同一个站点不同栏目用了不同模板时，base 的处理方式可能并不统一。
处理建议
入口页承担的是 URL 发现的职责，中间环节越少越可控。可以按下面的顺序处理：
- 入口页里的目标链接尽量写成完整的绝对 URL，天然不受 base 影响。
- 如果确实需要 base，确认它指向的域名和路径就是入口页真正部署的位置，并且末尾斜杠与目录结构一致。
- 改动之后观察一段时间的抓取日志，确认蜘蛛请求的地址和预期一致，再继续扩展入口页规模。
最后提醒一句：URL 被发现只是第一步，能不能被抓取、能不能进入索引，还取决于目标 URL 自身的状态码、内容情况、robots 设置和站点整体质量。入口页写得再规范，也不等于收录有保证。