百度快照 20 天不更新,Last-Modified 和 304 缓存头怎么排查

现象:内容改了半个月,快照和摘要还是旧的

页面标题改完、正文重新排版,搜索结果里的摘要却停在 20 天前,site 语法查收录数量又正常。快照不更新多数不是降权,而是蜘蛛每次来都拿到 304,认定页面没有变化,逐渐降低了更新优先级。

第一步:确认蜘蛛还来不来

先在搜索资源平台看抓取频次曲线,再从 Nginx 日志里筛当天百度蜘蛛的访问记录。频次正常但快照旧,问题基本出在响应头;频次掉到接近零,先把抓取修好再谈更新。

grep "Baiduspider" access.log | grep "$(date +%d/%b/%Y)" | tail -n 5

第二步:用 304 复现蜘蛛看到的结果

蜘蛛会带着 If-Modified-SinCe 来问,服务器回 304 就等于告诉它内容没变。手工模拟一次,看返回的是 200 还是 304:

curl -sI -H "If-Modified-Since: Mon, 20 Oct 2026 08:00:00 GMT"   https://example.com/post-1.html | head -n 8

返回 200 且 Last-Modified 是新时间,说明服务端正常;返回 304 就要查页面生成逻辑。Nginx 反代或套了 CDN 的站点,改版后 etag 不变多数是命中了代理缓存,先刷新缓存再测一遍,别急着改源码。

第三步:让动态页面输出真实的 Last-Modified

PHP 按请求实时渲染的页面往往没有 Last-Modified,蜘蛛只能全量抓,反而无法判定内容何时变更。用数据的实际更新时间输出:

<?php
$lm = max(filemtime(__FILE__), filemtime('/data/posts/123.md'));
header('Last-Modified: ' . gmdate('D, d M Y H:i:s', $lm) . ' GMT');

时间必须取自数据表里的更新字段,而不是当前时间;每次请求都在"变"的时间戳会被当成噪声,反而拉低抓取信任度。

第四步:排除假不更新的情况

查源码有没有残留的 noindex、canonical 指向旧地址,以及 meta description 写死在模板里没跟着改。摘要长期不换,一半是这三处模板没动,抓取链路本身没问题。

验证方法

修正后调用普通收录接口推一次新链接,三到五天内抓取频次应回升,七天后复查搜索结果里的摘要日期。快照日期本身不直接参与排名,别为了刷新快照去堆无关的假更新。

您可以还会对下面的文章感兴趣: