1.4 万条锚文本全是点击这里 SQL 批量替换怎么不误伤正文

站内 13,860 条内链里,12,840 条的锚文本是「点击这里」,剩下的是「了解更多」「详情」。文章详情页平均 6 条这样的链接,蜘蛛爬到第二层就分不清哪个页面讲什么。

第一版直接 str_replaCe,把全站「点击这里」换成目标页标题。跑完发现正文里 5,200 处说明性文字也被改了,句子变成「具体参数点击这里查看」变成「具体参数 DN50 法兰规格表查看」,读不通,当天从备份回滚。

第二版只动 a 标签内部的文本,用正则匹配 href 属于本站的链接,捕获 URL 后查映射表得到锚文本,替换时保留原 href 和 title 属性。映射表取自目标页 title 的前 18 个字,取不到就退回 URL 末段的中文slug。

执行前先干跑,导出 300 条前后对照人工看。发现三类要跳过:导航里的「首页」、页脚的公司名、以及 href 指向 tag 页的链接。跳过规则写成白名单,命中就不动。

正式跑分 20 批,每批 700 条,每批后抽查 10 条页面渲染是否正常。中途有一批把带 rel=nofollow 的链接也改了,虽然不影响收录,但锚文本多样性统计被污染,回滚该批重跑。

改完 6 周,站内点击深度从 2.1 升到 2.8,被链页面的抓取频次平均涨 22%。锚文本是否过度优化,看的是同一目标页收到的锚文本种类,重复率超过 60% 就要再拆。

静态页有 1,900 条内链写在模板里,不在数据库,SQL 替换碰不到。这部分按模板文件逐个改,改完用爬虫重抓 500 页核对。数据库和模板两边的口径要一致,否则同一目标页会收到两种锚文本。脚本跑之前先备份 wp_posts 的 ID 和原文,出错能按行恢复。

$html = preg_replace_callback(
  '#<a href="(https://idc\.00645\.com/[^"]+)">点击这里</a>#u',
  function ($m) {
    $t = anchor_of($m[1]);
    return '<a href="' . $m[1] . '">' . $t . '</a>';
  },
  $html
);

您可以还会对下面的文章感兴趣: