本文约 2,417 字，预计阅读 7 分钟。文中命令与配置均经过实测，可直接参考执行。
引言：site 显示 12 条，后台显示 800 条，到底信谁
在百度里输入 site:mimangfei.com，显示”找到相关结果约 12 个”，而资源平台显示索引量 800，日志里百度每天抓上百次。三个数字互相对不上，于是站长开始怀疑是不是被降权了。这类焦虑几乎全部源于一个误解：把 site 指令的结果当成了收录量。事实上，site 从设计上就不是用来报数的，它是一个”用关键词检索语法过滤出的结果列表”，受采样、去重、相关性排序等多重影响。理解它的工作原理，你就不会再被这个数字牵着走。
原理分析：site 是一个检索动作，不是一个统计接口
site: 是百度的检索语法之一，作用是”把结果限定在某个站点（或目录）内”。它走的是检索链路，而不是索引统计链路，因此具备检索结果的所有特性：
- 估算值：结果数通常是估算的近似值，且随查询时间、数据中心、用户状态波动。
- 排序与截断：只会展示排在前面的若干条，后面的被截断，所以”看到的结果少”不等于”只有这么多”。
- 去重与聚合：相似页面会被聚合折叠，同一内容的多版本只显示一个。
- 过滤策略：低质、重复、被判定为无价值的页面可能不进入展示列表，即使它们仍在索引库中。
四类常见偏差：
| 现象 | 真实原因 |
|---|---|
| site 数远小于实际 | 采样与截断、结果聚合折叠 |
| site 数比实际多 | 包含被索引但未正常展示的历史页面、参数变体 |
| site 有结果但搜不到 | 页面在库中但排名极低，普通查询不展示 |
| site 无结果但日志有抓取 | 抓取≠索引，或页面被判低质未入展示列表 |
与之对比，资源平台的「索引量」是百度给出的、面向站长的参考统计（同样是估算，但口径稳定得多）；「资源提交」里的提交量与成功量则是精确计数。
保姆级实操
第一步：用正确的指标替代 site
优先看三个数据：资源平台的索引量曲线（趋势）、资源提交的累计成功量（精确）、服务器日志里真实蜘蛛抓取量（一手）。趋势比绝对值重要。
第二步：抽样核验真实可搜性
从 site 结果里挑几条，再从 sitemap 里挑几条 site 没显示的，分别用标题原句去搜：
# 批量检查"site 没显示但确实存在"的页面是否可访问
cat > /tmp/check.txt <<'EOF'
https://mimangfei.com/a/
https://mimangfei.com/b/
https://mimangfei.com/c/
EOF
while read -r u; do
printf '%s %s %s\n' \
"$(curl -s -o /dev/null -w '%{http_code}' -A 'Mozilla/5.0 (compatible; Baiduspider/2.0)' "$u")" \
"$(curl -s -A 'Mozilla/5.0 (compatible; Baiduspider/2.0)' "$u" | grep -oi '<title>[^<]*' | head -1)" \
"$u"
done < /tmp/check.txt
拿到标题后去百度搜完整标题（加英文引号精确匹配），能搜到即说明已收录，与 site 显示多少无关。
第三步：用 site 做”存在性检查”而非”计数”
site 的正确用法是验证某一类 URL 是否被大量索引，例如 site:mimangfei.com/tag/ 看标签页是否泛滥。此时看的是”有没有”，不是”有几个”。
第四步：注意语法细节（核验单页是否真的能抓到，可配合服务器日志分析百度是否真的来过）
site: 后不能有空格，域名不要带 http://；限定目录可用 site:mimangfei.com/blog/；与其他语法组合时注意顺序。
第五步：给波动留出观察窗口
site 结果每天都可能不同，至少观察一周看区间，而不是比较两天的值。
第六步：把核验结果记进台账
每周记录：平台索引量、真实蜘蛛抓取量、抽样可搜比例。三个指标共同趋势才有意义。
常见踩坑
- 用 site 数判断是否被降权：这个数字波动极大，不足以作为降权依据，应看流量与排名。
- 在 site 结果里找不到某篇文章就反复改：改标题、重发、换链接只会引入新的重复内容，反而伤收录。
- 把 site 数当成 KPI 汇报：口径不可靠，用平台索引量与真实抓取量替代。
- 用带 www 与不带 www 分别 site 后相加：两个查询的结果集高度重叠，相加没有意义。
- 案例：某站每周记录 site 数，某周从 200 掉到 60，站长连夜改了 30 篇文章的标题。事后对比发现，同期流量与平台索引量都没有变化，而两周后 site 数自己回到 180。这个 case 说明 site 的短期波动基本没有诊断价值。
- 忽略个人化影响：登录状态、历史行为、地域都会影响检索结果展示。
- 把”site 有、搜索没有”当成 bug：这是正常现象，说明页面在库中但竞争力不足，应优化内容与内链，而不是反复提交。
总结
判断标准：site 只能用来回答”某一类页面有没有被大量索引”，不能用来回答”我站收录了多少”。真正的收录指标是：资源平台索引量趋势 + 提交成功量 + 真实蜘蛛抓取量 + 标题精确匹配抽检结果。行动清单：停用 site 计数 → 每周记录平台索引量与日志抓取量 → 每周抽样 10 个 URL 做标题精确匹配 → 用 site:域名/目录/ 做存在性检查 → 连续观察四周再下结论。若发现索引量下降但流量稳定，属于正常结构调整，可参考百度收录变少但流量未变的原因。
