孤儿页面指的是站内没有任何链接指向、外部也没有引用的 URL：它们只出现在站点地图或手动提交记录里，正常爬行路径到不了。这类页面不是打不开，而是缺少被发现和被安排抓取的理由。
孤儿页面为什么容易卡在抓取阶段
蜘蛛沿着链接在站内移动，一个 URL 被多个位置链接到，通常说明它更重要，也更容易被优先抓取。只写在 sitemap 里的 URL，等于报了个名单却没有入口，能不能被抓到，取决于抓取预算是否宽裕。
需要区分的是，被抓取和抓取之后进入索引是两件事。孤儿页面往往连第一步都不稳定，所以讨论收录之前，先把发现路径补上更实际。
常见的孤儿 URL 从哪里来
- 改版、换目录后遗留的旧路径，页面还在，链接没了
- CMS 自动生成的作者页、标签页、归档页
- 活动或专题结束后，从导航和列表里撤下来的页面
- 列表页翻页方式调整后，被挤出入口的详情页
- 由筛选参数或站内搜索生成、没有正常入口的 URL
自查顺序：先画内链图，再谈去留
- 用爬虫工具完整抓一遍站内，导出每个 URL 的入链数量和来源页面
- 挑出入链为 0，且不在导航、列表、正文链接中的 URL
- 按页面类型分组，而不是按数量排序，列表页的问题和详情页的问题处理方式并不一样
- 对每一组判断内容是否还有价值、是否和其他页面高度相似
分组之后再看数量，更容易判断是站点结构问题，还是个别页面漏网。
处理顺序：补入口、合并，还是让它下线
内容仍有用：补一个稳定入口
优先放在层级接近的列表页、相关内容模块或上级页面正文里。入口要长期存在，而不是为了收录临时加一条链接。加完可以再抓一次，确认链接出现在 HTML 里，而不是只靠脚本延迟渲染出来。
与其他页面高度相似：合并
把有价值的部分并入主页面，用 301 指向主题最接近的 URL。注意别把一批页面全部指向首页，那会让跳转失去语义，也让后续排查更困难。
确实不再需要：下线干净
内容彻底删除可以返回 410；页面还在但不希望它出现在搜索里，用 noindex。两者解决的不是同一件事，选错容易出现“删了还留着”或“想留却先消失”的反复。同时把它从 sitemap 中移除，避免继续被反复提交。
补内链时容易犯的几个错
- 把所有 URL 一次性塞进 sitemap，以为名单就是入口
- 在页脚堆几十上百条内部链接，稀释了真正重要的入口
- 给内部链接加 nofollow，等于自己把路封上
- 链接由脚本延迟生成，蜘蛛拿到的 HTML 里根本没有
- 补完从不复查，改版之后又变回孤儿页
站点地图是名单，内链才是路。名单越来越长而路没变多，整体抓取效率会被摊薄。
把它变成一项定期动作
每次改版、下线栏目、调整导航之后，都值得重跑一次内链检查，把孤儿 URL 的数量、以及其中被收录的比例记进索引台账。看趋势比看单次结果可靠：数量持续下降说明结构在收敛，反复上升通常意味着新模板或新功能又在批量产出无入口页面。
还需要提醒一点，补上入口只是让页面具备了被发现的可能，最终是否被抓取、是否进入索引，仍然要看它相对站内其他页面是否提供独立价值。提高被发现的机会，和保证被收录，是两件事。