Halo Sitemap 提交了还是不收录？先按这 4 类问题排查
你把 Halo 的 sitemap 提交到 Google Search Console，后台也显示“成功”，但文章页还是一大片未收录。这个时候最容易做错的一件事，是反复删除 sitemap、重新提交、再去点“请求编入索引”。
先停一下。sitemap 不是收录按钮，它只是在告诉 Google：“这些 URL 在这里。”Google 是否抓取、什么时候抓取、抓完是否收录，是另一套判断。小站排查收录问题，先不要把所有未收录都混成一个问题。你要先分清楚是哪一类。
先确认 sitemap 本身有没有被 Google 读到
第一步不是看文章有没有收录，而是看 Google 能不能正常读取 sitemap。
在 Search Console 里打开“站点地图”，先看这几个点：
| 检查项 | 正常状态 | 如果异常，先处理什么 |
|---|---|---|
| sitemap 提交状态 | 成功 | 检查 URL 是否能公开访问 |
| 发现的网址数 | 大于 0 | 检查 sitemap 是否真的包含文章 URL |
| 最后读取时间 | 有近期时间 | 检查服务器、CDN、防火墙是否挡住 Googlebot |
| sitemap URL | 和真实站点一致 | 检查 http/https、www/non-www 是否提交错版本 |
Halo 站点常见的问题不是 sitemap 文件不存在，而是提交了错误版本。比如真实站点使用 www 版本，但你提交的是非 www 版本；或者站点已经强制 HTTPS，但 sitemap 里还混着 HTTP URL。Google 可能仍然能处理一部分跳转，但你是在给它增加无意义的判断成本。
还有一种情况是 sitemap 显示成功，但“发现的网址数”为 0 或明显少于真实文章数。这时不要急着改文章内容，先打开 sitemap 原始地址，看里面有没有文章详情页。如果 sitemap 只暴露了首页、分类页、标签页，而没有文章页，那问题还停留在站点输出层。
对于 Halo 博客，优先检查：
- sitemap 地址是否公开可访问
- sitemap 里是否包含文章页 URL
- URL 是否是最终规范版本
- 最近发布的文章是否进入 sitemap
- CDN 或安全规则有没有拦截搜索引擎抓取
如果这一步没过，后面谈内容质量、内链、canonical 都太早。
再看 URL 是没发现，还是发现了没抓
sitemap 被读取，不等于每篇文章都进入索引流程。下一步要用 URL 检查工具抽查具体文章页。
不要只抽一篇。至少抽三类页面：
- 最新发布的文章
- 已发布一段时间但未收录的文章
- 已经收录的旧文章
这样你才能判断问题是全站性的，还是只影响新文章。
如果显示“Google 未知”
这说明 Google 还没有把这个 URL 纳入自己的系统。对新站和低权重小站来说，这并不罕见。你要检查的不是“为什么不收录”，而是“Google 为什么还没发现它”。
优先看三件事：
- sitemap 里有没有这篇文章
- 首页、分类页或相关文章里有没有内链指向它
- URL 是否只能通过站内搜索、分页深处或标签页才能找到
Halo 博客如果文章发布后只出现在很深的归档页，而首页列表更新很快把它挤下去，Google 发现速度会变慢。解决办法不是每天提交 sitemap，而是给重要文章安排更稳定的入口，比如专题页、分类页、相关文章链接，或者从已有收录文章里补一个自然内链。
如果显示“已发现 - 尚未编入索引”
这表示 Google 知道这个 URL，但还没抓取，或者暂时不急着抓。对小站来说，常见原因是站点整体抓取频率低、文章入口弱、页面之间连接松散。
这时先别大改标题，也别重写整篇文章。先做轻量动作：
- 确认文章在 sitemap 中
- 从一篇已收录相关文章加内链
- 确认页面返回 200
- 确认移动端能正常打开
- 等几天再看状态变化
如果一批文章长期停在这里，说明 Google 对这个站点的抓取优先级不高。你要提升的是站内结构和重要页面入口，而不是单篇文章反复提交。
抓取过但不收录，重点查页面信号
如果 URL 检查显示 Google 已经抓取过，但仍然没有收录，问题就不再是 sitemap。Google 已经看过页面，只是暂时没把它放进索引。
这类问题要分两层看：技术信号和内容信号。
先排除技术信号
技术信号有明确的对错，先查它们，效率最高。
| 信号 | 应该怎么看 | 常见误判 |
|---|---|---|
| noindex | 页面源码或响应头里有没有 noindex | 只看 Halo 后台开关，没看主题输出 |
| canonical | 是否指向当前文章自己或正确规范页 | 主题模板把多篇文章指向同一个 URL |
| robots.txt | 是否阻止了文章路径或资源 | 以为 robots 禁止收录，其实只是禁止抓取 |
| 状态码 | 是否稳定返回 200 | CDN、登录墙、反爬规则对 Googlebot 返回异常 |
| 渲染内容 | Google 能否看到正文 | 主题或脚本让正文延迟加载失败 |
Halo 站点尤其要注意主题模板。后台文章是公开的，不代表主题最终输出一定干净。你要看页面源码，而不是只看编辑器里的内容。重点找 noindex、canonical、异常跳转和重复 title。
如果 robots.txt 挡住了页面，Google 可能连 noindex 都看不到。很多人以为“我用 robots 禁止它，所以它不会收录”，但实际排查时会变复杂。要禁止收录，用 noindex；要让 Google 看到 noindex，就不能同时把页面抓取挡死。
再判断内容是否值得收
技术信号没问题，页面仍然是“已抓取 - 尚未编入索引”，就要看内容本身。
不要用“原创”两个字安慰自己。Google 不知道你写作时是不是原创，它看到的是这个页面和网上已有内容相比，有没有足够明确的价值。对 Halo 小站来说，容易出问题的页面通常有这几类：
- 标题像教程，正文只是概念解释
- 多篇文章围绕同一个问题换说法
- 分类页、标签页、归档页大量薄内容
- 文章没有真实步骤、截图逻辑或判断标准
- 页面没有内链，也没有被站内其他内容引用
如果一篇文章只是把“什么是 sitemap、为什么重要、如何提交”写了一遍，它很难从已有内容里跳出来。更好的写法是解决一个具体场景：Halo sitemap 成功但文章未收录，应该先看哪个状态，看到不同状态后怎么处理。
这也是为什么你要把问题拆成状态，而不是写一篇泛泛的“网站不收录怎么办”。状态越具体，修复动作越具体，文章越不容易变成空话。
收了错误版本，比没收录更容易被忽略
有时你以为文章没收录，其实 Google 收了另一个版本。
例如：
- 收了非 www 版本，没有收 www 版本
- 收了 HTTP 版本，没有收 HTTPS 版本
- 收了带参数的 URL，没有收干净 URL
- 收了分类页或标签页，没有收文章页
- canonical 指向了错误页面
这类问题在 Search Console 里不一定一眼能看出来。你需要用 URL 检查工具看“用户声明的规范网页”和“Google 选择的规范网页”。如果两者不一致，说明 Google 认为另一个 URL 更适合作为代表版本。
Halo 博客要特别注意分类、标签和归档页。它们对用户导航有用，但如果这些页面标题重复、摘要太短、分页很多，又没有处理好 canonical，Google 可能把一部分精力花在这些列表页上，而不是文章页。
处理顺序可以这样定：
- 文章页保留清晰、唯一的 title 和 description
- 文章页 canonical 指向自己
- 分类和标签页不要生成大量近似标题
- 重要文章从正文内链获得入口
- sitemap 只放真正希望被发现的规范 URL
如果你已经读过本站的 GSC 收录异常排查，可以把这一步理解成更窄的 Halo 博客版本：先确认 Google 选的是不是你想要的 URL，再谈页面质量。
小站不要盯着每一个未收录 URL
Search Console 的索引报告会列出很多状态，但小站不需要把每一个 URL 都修成绿色。
你真正要盯的是这几类：
| URL 类型 | 是否值得优先处理 | 原因 |
|---|---|---|
| 核心教程文章 | 是 | 承担搜索流量和内链入口 |
| 产品或服务页 | 是 | 影响转化和品牌搜索 |
| 分类页 | 看情况 | 有搜索价值才重点处理 |
| 标签页 | 通常不用优先 | 容易薄、重复、入口价值有限 |
| 归档分页 | 通常不用优先 | 多数不是搜索落地页 |
Halo 博客经常会生成分类、标签、归档等列表页。它们出现在索引报告里并不奇怪，也不一定都值得收录。你要先确定哪些页面真的应该进入 Google，而不是把所有“未编入索引”都当成故障。
一个简单标准是：如果这个页面被用户从 Google 打开后，能不能独立解决一个问题？如果不能，它不收录未必是坏事。
结论
Halo sitemap 提交后文章不收录，先不要反复提交 sitemap。正确顺序是：先看 sitemap 是否被读取，再看 URL 是否被发现，再看是否抓取过，最后判断 Google 是不是选择了错误版本或认为页面价值不够。
sitemap 只能帮 Google 找到路，不能替页面证明它值得被收录。对小站来说，真正有效的修复通常不是多点几次提交按钮，而是让重要文章有稳定入口、干净规范 URL、明确主题和足够具体的内容价值。
