搭建入口页的时候，经常有人问：页面里挂的目标 URL，到底写成相对路径还是绝对路径？写错了会不会让搜索蜘蛛跟丢、发现不了目标页面？这个问题没有想象中复杂，但确实有几处容易踩坑，值得单独说清楚。
相对路径和绝对路径，搜索蜘蛛都能处理
先说结论：对于一个正常可访问的入口页，链接写成 /news/123.html 这类站内相对路径，或者写成 https://目标域名/news/123.html 这类完整绝对路径，搜索蜘蛛在解析时都会先根据当前页面的地址把相对路径补全成完整 URL。两种写法本身不会造成“发现不了”。
真正的差别在于容错：绝对路径把域名、协议、路径写死，解析结果唯一，不受入口页自身地址变化影响；相对路径依赖入口页的最终 URL，一旦入口页发生了跳转、被镜像，或者部署到了不同的子目录，补全出来的地址就可能不是你想要的。
容易让搜索蜘蛛解析出错误地址的几种写法
1. 相对路径配合 base 标签
如果入口页里写了 base 标签，页面内所有相对链接都会以 base 指向的地址为基准拼接。入口页做模板批量生成时，base 很容易被复制成上一个模板的值，结果所有链接都指向了错误的位置。这类问题在日志里通常表现为：搜索蜘蛛大量请求一个和你目标无关的地址。
2. 协议相对写法
//example.com/page 这种省略协议的写法会继承入口页当前的协议。入口页是 HTTP 就按 HTTP 解析，是 HTTPS 就按 HTTPS 解析。如果你的目标站只支持其中一种，另一种就会走到跳转甚至报错，白白消耗抓取预算。
3. 路径层级拼错
入口页放在多级目录下时，../ 的数量算错是最常见的低级错误。解析出来的地址 404，搜索蜘蛛会记录一次失败，反复出现就会降低对这个入口页的抓取积极性。
4. 中文、空格和特殊字符没做编码
URL 里带中文、空格、中文标点时，应当做百分号编码。虽然大多数解析器会容错，但入口页数量多、写法杂的时候，未编码的地址容易在日志和统计工具里被重复计数，也会让排查变得困难。
实操建议
- 入口页面向的目标 URL 比较多、来源比较杂时，优先用完整绝对路径，减少一层解析歧义。
- 如果必须用相对路径，确保入口页的最终 URL 稳定，不要一边挂链接一边做跳转实验。
- 入口页不要随意加 base 标签；加了就要确认它指向的是真实的站点根地址。
- 同一批目标 URL 统一协议，避免 HTTP 和 HTTPS 混着写。
- 链接地址里不要出现多余的空格、换行和全角字符。
- 部署后用抓取工具或浏览器直接查看渲染后的链接，确认和预期一致，再考虑批量放大。
怎么自查链接是否解析正确
- 随机抽几个入口页，把页面渲染出来的链接复制出来，看是否和目标地址逐字符一致。
- 看服务器日志里搜索蜘蛛请求的路径，有没有出现明显不属于你目标站的地址。
- 关注入口页目标链接的 404 比例，异常升高通常就是解析或改版导致的。
- 入口页做过改版或迁移后，不要只检查首页，要抽查深处页面的链接。
路径写法本身不是决定目标 URL 能否被发现的关键，能否被稳定、无歧义地解析才是。入口页越批量、越模板化，越应该用最不容易出错的写法。
最后提醒一句：链接路径写对只是基础一环。目标 URL 能不能被尽快发现、能不能进入抓取队列，还和入口页自身的抓取情况、目标站的响应质量有关。把入口页的链接解析问题清理干净，是把后面的变量控制到最少，而不是某种“提速手段”。