SEO 百科
索引存储
本页目录
索引存储
索引存储 指引擎把分析完的网页信息收进数据库，这个库要能被查询。Google 的说法是，所收集的关于规范网页及其网页群组的相关信息可能会存储在 Google 索引中，这个索引是托管在数千台计算机上的大型数据库[1]。存进去的东西决定了查询来时能匹配到什么，站长写标题、写替代文本、标语言版本，都是在往这里填料。
存的是哪几样
Google 在讲索引编制时点名了几类内容：网页上的文字、图片与视频文件，还有关键内容标记和属性，例子是 <title> 元素和 Alt 属性[1]。
除了内容本身，还有一类是判断结果。网页是否与互联网上其他内容重复、算不算规范网页，都在索引编制阶段确定[1]。被选中之前，内容相似的网页先被归成一组，组里选出最具代表性的那一个[1]。
第三类是信号。Google 说它会收集信号，对象是规范网页和它的内容，这些信号可能用于下一阶段呈现结果，举的例子有网页语言、内容所针对的国家或地区、网页易用性[1]。
组与非组都要存
存储并不只留规范网页。同一组里的其他网页作为备用版本留着，在特定情况下提供，例如用户从移动设备搜索，或者他们正在找组里的某个具体网页[1]。
能出现在搜索结果里的是规范网页[1]。这一点决定了排查收录问题时的判断口径：自己的网页在报告里显示为重复或备用，是引擎做了归组，不等于漏收。
存进去不等于一直留着
状态会变。Search Console 的索引报告把网址分成已编入索引与未编入索引两类，后者下面还挂着原因，例如被 robots.txt 屏蔽、页面带 noindex、属于重复网页，或者这个页面已移除且没有替换[2]。
状态码同样会改动已经存着的东西。返回 4xx 时 Google 系统会逐渐停止使用该网址，已编入索引的会被移出索引[3]。始终返回服务器错误的网址也会被索引编制流水线移出[3]。
站长能影响存储的入口
第一处是标记。<title>、Alt 属性、meta 描述这些位置填什么，引擎就按什么理解页面[1]。
第二处是归组信号。rel="canonical" link 注释是强信号，表明指定的网址应成为规范网址[5]。Google 也说明这些方法不是硬性要求，站长不指明时它会自己判断哪个版本最适合展示[5]。语言与地区版本再用 hreflang 说明，同样是在补这一层。
第三处是排除规则。noindex 与 robots.txt 决定这个网址会不会留在库里，两者作用不同：noindex 是让它不出现在搜索结果中，robots.txt 是不给抓[4]。
附录
参见
参考资料
官方（境外）
- 《关于 Google 搜索运作方式的深度指南》，Google 搜索中心。
- 《网页索引编制报告》，Google Search Console 帮助。
- 《HTTP 状态代码对 Google 抓取工具的影响》，Google 搜索中心。
- 《使用 noindex 阻止搜索引擎编入索引》，Google 搜索中心。
- 《如何使用 rel="canonical" 及其他方法指定规范网址》，Google 搜索中心。