摘要：由博客主题换成CMS主题后，发现文章收录数量明显增加，并由此得出一个结论：百度不爱搜录具有博客特征的网页。1.安装SEO插件后，百度不收录页面。与谷歌不同的是，百度蜘蛛一般不再爬行该页面包含的文章链接，直接返回上一级目录。
首页 » WORDPRESS主题技术 » 为什么百度收录wordpress页面太少
之前发表过一个文章，阐述wordpress收录页面过少的原因。我将wordpress 由博客主题换成CMS主题后，发现文章收录数量明显增加，并由此得出一个结论：百度不爱搜录具有博客特征的网页。由于当时考虑不周到，发表之后，受到个别网友批评指正。事实上，博客特征的网页容易产生重复内容，高度重复才是引起百度不收录wordpress的真正原因。经过深思熟虑，以及对蜘蛛访问日志的观察和分析，我对百度收录wordpress博客异常的原因得出新的结论。
1.安装SEO插件后，百度不收录页面。
很多采用wordpress建站的朋友都接触过All in One SEO这个插件。这个插件可以让新手一键搞定wordpress的站内优化。事实证明，这款插件对google优化非常的完美，但百度却总容易出现不收录的情况。我曾经一度怀疑百度会认为All in One SEO 插件存在优化过度的问题，从而导致网站降权，不收录。实际上，All in One SEO 的网页并没有被百度降权，导致百度不收录的罪魁祸首是它的noindex设置。
noindex标签的作用是向搜索引擎申明该网页禁止被搜录和索引，谷歌蜘蛛爬行到这样标签的页面，会自动丢弃掉该页并继续爬行其他页面，从而减小文章重复度，利于站内目标文章页权重的集中。百度蜘蛛遇到noindex标签的页面后，同样会丢弃掉该页。与谷歌不同的是，百度蜘蛛一般不再爬行该页面包含的文章链接，直接返回上一级目录。由于包含在该页中的文章无法被百度蜘蛛爬行到，所以页目录之下的文章将不会被索引。
解决办法：
取消All in One SEO 中 noindex设置。
2.wordpress模板导致的原因。
wordpress之所以流行，与其强大的插件扩展能力和数量丰富的主题模板密不可分。我曾经说过，使用wordpress建站的人，百分之99%都直接采用现成的主题来建站。同样的模板必然导致网络中出现大量高度重复网站结构和内容。百度不喜欢重复的内容百度收录页面，这些重复内容当然也包含网站模板的HTML代码。
SEOer通常会选择一些使用人数较少的模板来做SEO博客，同时还会对代码部分做一些更改，如ID部分名称，title 描述，CSS名称等等。这些操作的目的，是使得网页模板代码尽量避免与其他网站重复，从而更有利于文章的搜录。当博客正文内容字数越少时，模板重复对收录的影响就会变得越大。
解决办法：
1).增加文章字数。
2).选择非热门wordpress主题。
3).对现有主题进行修改。
3.wordpress摘要设置不当造成站内文章重复。
百度也好，谷歌也罢，没有哪一家搜索引擎喜欢重复的文章。当一篇文章出现在同一网站内多个不同的页面中，搜索引擎将花费更多的处理时间来判断哪一篇文章才是正文。当搜索引擎从程序上难以无法判断主次时，会降权收录文章第一次被索引的页面，或者直接K掉这些重复的页面。于是很多wordpress站长在百度里site自己的网址，然后惊讶的发现：出现在结果前面的，竟然全都是日历页，归档页或分类目录百度收录页面，而文章正文内容却被百度隐藏而作为补充内容而存在，甚至压根就不被索引。
导致这样的原因是因为你在录入文章数据的时候，既没有采用more标签对文章进行截断，也没有手动添加摘要。wordpress默认情况下，会将more标签之前的内容作为摘要输出到首页，标签目录，分类目录，归档目录，日历目录下。如果没有用more标签进行截断，也没有手动输入摘要，那么文章正文会同时出现在首页，几个目录页，以及文章页中。由于首页比目录页权重高，目录页比文章页权重高，百度以为文章页权重最低，便优先舍弃掉了。google的真正从技术上实现了文章的筛选机制，能保文章页被正常的收录，而百度这方面的技术尚需进一步完善。
解决办法：
1).每个文章前一两段后添加more标签。
2).手动添加文章摘要，不能与more标签之前相同。
3).精简标签数量。
4.URL设置不合理，不利于收录。
在很多SEO教程里，都提出过目录不宜过深。受到这一思想影响，许多站长就将目录页，文章页都控制在二级目录以内，以为这样可以让网页更好的被收录。殊不知，这样的URL方式其实并不利于SEO。搜索引擎蜘蛛爬行算法不光包含URL深度，同时还包括URL的重复度。当蜘蛛需要爬行一个网站时，首先需要根据网站的权重算出索引的深度和重复数，当网站权重越高时，蜘蛛爬行的深度就越深，允许的重复数就越大。蜘蛛在索引某一网站的时候，当深度操过一定层次后就会终止爬行其子目录。在爬行某个层次链接的过程中，URL重复数度超过一定数量，就会结束对该层目录的爬行。
如果你的站内除了根目录就是2级页面，文章数量少时还好，如果文章数量一多，便会加大搜索引擎引擎服务器的负荷，从而引起蜘蛛反感。
解决办法：
一般而言，搜索引擎对于新站爬行层次都在三层左右。最佳的目录设置方案应当是目录/时段/正文。虽然这样的分类方式在建站初期收录处在劣势，但对网站(尤其是对靠长尾关键词取胜的站点)的长期发展百利而无一害。我个人认为，这种目录结构是对搜索引擎最友好的，最容易被收录的结构。
