你的SPA网站，百度可能根本看不见

你花两周搭了个炫酷的单页应用，路由跳转丝滑、动画一气呵成，连产品经理都夸“这体验比XX App还顺”。但上线一个月后，你搜自己公司名，首页都排不进前三——不是没做SEO，是百度压根没把你当“有内容的网站”看。

它看到的，很可能就一个空荡荡的 <div id="app">。

为什么爬虫在SPA里就像“瞎子”？

传统网页打开就是HTML：标题、正文、链接，清清楚楚。爬虫扫一眼就走，效率高得像快递员扔完包裹转身就跑。

SPA不是这样。它先扔给你一个几乎啥都没有的HTML壳子，再靠JavaScript一点点把内容“画”出来——加载JS、请求API、拼DOM、触发渲染……整个过程，用户等3秒觉得正常，爬虫等1秒就关页面。

我帮一个做在线题库的团队查过日志：他们首页JS执行要2.7秒，而百度爬虫平均只停留0.8秒。结果呢？上线半年，百度只收录了首页和4个内页，点开全是“数据加载中…”。

百度确实说能执行JS，但实际很保守：超时就放弃、遇到复杂异步就跳过、懒加载图片和文字？基本当不存在。不是它不想看，是你没给它“读得懂”的机会。

3种最常见的“伪收录”陷阱，你踩过几个？

很多人以为“百度搜得到”，就等于被收录了。其实只是幻觉。

第一种：收录了，但点进去是白屏。
你在百度搜 site:yourdomain.com，看到几十个URL。点开一个，页面空白，F12一看，DOM里只有 <div id="app"></div> 和一堆 <script>。这种收录毫无价值——用户进来就走，跳出率直接拉满。

第二种：首页能见，内页全失踪。
首页勉强能抓到，因为路径简单、JS少；但产品页、详情页、用户中心这些，全靠前端路由跳转。爬虫不会点按钮、不会触发 history.pushState，它连“下一页”在哪都不知道。

第三种：收录了，但内容张冠李戴。
有个客户的产品页被收录了，但标题显示的是“关于我们”，描述是一串乱码。查下来发现：路由切换后，<title> 标签根本没更新，爬虫只抓了初始状态。这种错乱比不收录更伤——用户会觉得你网站不可信。

说白了，问题不在爬虫笨，而在我们总把它当“人”用，忘了它本质是个只认静态HTML的文本阅读器。

服务端渲染SSR：最笨但最有效的方法

想让百度真正看懂你的SPA？SSR（服务端渲染）不是最优解，是目前唯一被验证有效的解。

做法很直白：用户或爬虫一请求，服务器先把页面内容渲染成完整HTML，再发出去。爬虫拿到的就是带标题、带正文、带结构的真·网页；浏览器收到后，再“激活”交互逻辑（这个过程叫水合）。

我们帮一家教培机构把Vue SPA迁到Nuxt.js（Vue生态的SSR框架），原来百度收录不到20个页面，两个月后稳定在200+，不少课程长尾词开始出现在搜索结果前两页。

当然，SSR要多扛一部分服务器压力——以前静态资源甩给CDN就行，现在每次访问都要服务端计算。但如果你的流量还没到单日万级，这点开销远不如“没人搜得到”来得痛。

如果项目小、内容更新不频繁，也可以试试预渲染：构建时就把所有路由对应的HTML提前生成好，部署成静态文件。比如用 prerender-spa-plugin，适合官网、介绍页这类场景。

别指望“等百度升级算法”，它现在就能读懂SSR输出的HTML。

动态渲染：给爬虫开“VIP通道”

SSR成本高、周期长？那动态渲染是第二选择：检测来访者是不是爬虫，是——就返回预渲染好的HTML；不是——照常走SPA流程。

相当于在门口装了个识别器：穿工装的是工人，走正门；穿西装的是访客，走VIP通道。

落地方式有两种：

• 自己搭中间件：在Nginx或Node层判断User-Agent，匹配到 Baiduspider 就转发给Puppeteer或Rendertron服务，让它实时渲染并返回HTML。
• 用云平台现成能力：阿里云Web应用防火墙、百度云SEO加速，都支持配置动态渲染规则，填个域名、选个模式，几分钟搞定。

真实案例：一家金融资讯站，内容天天更新，但百度收录慢得像蜗牛。上了动态渲染后，新发布的文章平均3天内就被收录，之前要等一两周甚至更久。

注意一个雷区：爬虫看到的HTML，必须和用户最终看到的一模一样。少渲染一段文案、漏掉一个<meta>，百度会判定为“隐藏内容”，轻则降权，重则拒收。

别忘了这些“小细节”，它们能救你的命

大方案再好，细节塌方，照样白干。

第一，路由切换时，必须同步更新 <title> 和 <meta name="description">。
很多SPA只在入口文件写死一个标题，后面所有页面都是“首页 - XXX公司”。百度抓取时就按这个存档，结果上千个页面标题重复，直接被当成垃圾站处理。

第二，别用 #/about 这种hash路由。
# 后面的内容，百度基本不解析。它只认 /about、/article/123 这种标准路径。用Vue Router或React Router时，记得开 history 模式，而不是默认的 hash 模式。

第三，sitemap不能交一次就吃老本。
哪怕你是SPA，也得有sitemap。而且得是“活”的：新上一篇博客、新增一个产品页，就得自动加进sitemap.xml，并重新提交到百度站长平台。很多团队上线时提了一次，之后三年没动过。

第四，去百度搜索资源平台翻抓取日志。
不是看“收录量”，是看“哪些URL返回了404/500/超时”。日志里藏着最真实的线索：某个详情页接口挂了，爬虫反复失败；某个路由配置错了，返回空白HTML……80%的人从不点开这页，但问题就藏在这里。

今天就能做的1个操作：用“curl”测试你的页面

别收藏，别“稍后看”，现在就打开终端（Mac/Linux）或 Windows PowerShell，粘贴运行这一行：

curl -H "User-Agent: Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)" https://yourdomain.com/product/abc

把 https://yourdomain.com/product/abc 换成你最想被收录的那个页面地址。

看返回结果：

• 如果里面有真实的标题、正文段落、产品参数——说明爬虫至少能读到内容；
• 如果只有 <div id="app">、<script src="...">、或者“加载中…”——你的SPA对百度来说，就是一张白纸。

如果是后者，今天就打开你的项目，挑一个最核心的页面（比如首页或产品列表页），在构建流程里加上 prerender-spa-plugin，或者在路由守卫里补上 <title> 动态更新逻辑。做完这一步，你已经比多数同行快了一步。