解决测试环境 staging 谷歌收录 SEO 难题：菜鸟也能看懂的2种方法

公司新采购了一台公有云服务器，建站企业耗费 45 天编写完 3200 行 PHP 代码，把一套全新的商城程序上传到了带有 8080 端口的测试子目录内。星期三早上，外包程序员顺手在微信群里发了一串带有参数的 staging 测试服地址，让甲方老板用苹果自带浏览器点开查看页面排版。星期五晚上，公司主站原本每天 850 个独立访客的自然流量暴跌到了 12 个。谷歌搜索控制台后台跳出 14 条黄底红字报错提示，页面列表显示存在 640 个重复内容的抓取记录。

谷歌爬虫每天在全球抓取 150 亿个网页，靠的绝非单一的锚文本跳转动作。谷歌浏览器的同步数据、安卓手机系统底层的剪贴板读取授权、8 种以上的第三方商业统计代码，全数拥有向谷歌数据库发送未公开网页地址的隐蔽权限。只要有个活人曾在联网设备上完整输入打开过那串测试服务器的内网地址，72 小时内，处于加利福尼亚州山景城的谷歌机房会调动 500 个以上的爬虫节点，发起 HTTP 请求读取服务器上的全部 HTML 源码。主站积累了 3 年的域名权重，瞬间被挂靠在二级域名上的半成品测试站分流成了两半。

要掐断爬虫的嗅探动作，给测试服务器加上 HTTP Basic Authentication 密码验证是一批具备 10 年运维经验老手常用的稳妥手法。

• Nginx 服务器只需修改 1 个配置文件加入auth_basic模块功能

• Apache 服务器配合htpasswd命令生成 1 段包含账号密码的密文记录

• 宝塔面板用户在网站设置页面点开“目录保护”填入 1 段 8 位数强密码

• cPanel 虚拟主机系统点击第 4 排的“目录隐私”图标锁定主要文件夹

• Node.js 运行环境加载依赖包书写 12 行鉴权中间件代码

• 操作全程消耗大约 150 秒时间成本，不产生额外的服务器 CPU 满载消耗

• 访客强行点开页面只会看到浏览器弹出要求输入 5 个字母密码的灰色小框

• 谷歌爬虫无法识别密码框，服务器抛出 401 未授权状态码切断 TCP 连接

• 没有一行 HTML 源码会被爬虫打包带走存入容量 100 PB 的搜索索引库

在访客与服务器的 80 端口之间焊上了一道带有数字锁的防盗门。非技术人员去跟建站公司沟通，用原话交代：“在 staging 的站点头部加个 Basic Auth，密码设成 123456”。工程师听完敲下 4 行控制台指令完成全部代码部署。

部分中大型公司每天要给 15 个不同的外包设计师、外部文案策划发送测试站的界面预览。每 10 分钟让外部人员输入一次 6 位数验证码引发了严重的沟通摩擦。在网页头部标签里写下一行控制指令是另一种低门槛替代做法。

• 在 HTML 源码第 4 行加入<meta name="robots" content="noindex">标签

• 博客建站系统进入后台“阅读设置”勾选“建议搜索引擎不收录本站点”

• 主流 SEO 插件进入全站设置面板按下“禁止索引”红色按钮

• 辅助工具插件找到“搜索外观”选项卡把“在搜索结果中显示”设为 0

• 电商商家在模板文件的第 11 行嵌入控制搜索页面的排除语法

• 服务器向外发送携带noindex字符的 HTTP 响应头标

• 谷歌爬虫抓取完 200 KB 的网页源码识别到 7 个字母指令自动放弃入库处理

代码里的那串英文字符扮演了免战牌的角色。谷歌每天消耗 8% 的抓取预算去处理带有指令标签的网页。含有上述代码的测试页面被收录库误伤时，爬虫在下一个 14 天的抓取周期内，把旧记录从全球各地的搜索结果里强制抹除。

谷歌官方开发者指南的第 4 章节第 2 段有原话记载：“当您允许抓取工具访问某网页，该网页包含 noindex 规则时，抓取工具会从索引中完全移除该网页。”

不少人改动站点根目录下的文本文件，往里面塞入一行拦截字符。这行单薄的字符拦截了爬虫读取 15 MB 网页图片、样式脚本的动作，爬虫停留在门外干瞪眼。外部存在 5 个博客论坛的页面留有指向测试环境的超文本文字，谷歌算法顺着这条线摸过来，进不去大门。算法在搜索结果第一页展示 1 个没有简介文字、剩下一串光秃秃网址的搜索条目。测试站的 20 个产品分类页以一套怪异的姿态长期挂在搜索结果第一页。阻止读取不等于阻止收录，两者的界限差了整整 12 个技术身位。

测试服务器上的程序包打成 500 MB 的压缩包，解压部署到正式主站运行环境里。开发人员少删了 3 行含有防收录规则的代码，主站的 150 个收录页面在 48 小时内从谷歌数据库里蒸发得一干二净。去检查源文件第 8 行有没有残留免收录字段是上线当晚要做的头等大事。

打开网页版谷歌搜索控制台，输入管理员绑定的官方邮箱账号。左侧边栏第 7 个按钮写着“移除”，点开填写需要清理的 120 个错误收录记录前缀。谷歌的自动化算法在收到工单的 60 分钟内生效，把带有报错乱码的测试页面强行雪藏 180 天。6 个月的空窗期足够测试站去改写 HTTP 标头指令，彻底让 120 个页面从数据库底层消失。

为了提供更精确的 2 种手段比对资料，整理了包含 16 个评测数据点的对照表。

部分企业的运维总监在服务器防火墙层设置白名单，规定只有办公室的 3 个公网 IP 拥有 80 端口的访问权。办公区外的 25 个居家办公员工打开网页面临浏览器提示的 502 报错网关超时页面。配置虚拟专用网络通道花掉公司 6000 美元的软硬件采购预算。相比较下来，上述 2 种无成本干预手段适配了 99% 的中小型建站项目。用 150 秒的设置步骤去换取 3 年积累的 850 个访客数据，算得上一笔极度清晰的账本买卖。

在前端边缘节点防火墙添加一条访问规则拦截也是极少数大厂的做法。配置规则填入访问来源国家限制，屏蔽掉处于美国机房的抓取节点。设定好 20 个常规公网网段白名单放行员工访问。拦截动作返回 403 状态码。30 秒钟完成 15 条阻断策略的下发操作，无须触碰底层500 MB的源码文件。这种高度依赖 24 小时专职人员看守的配置方式，给绝大多数只有 1 个市场人员的初创企业带来了 3 倍以上的工作量。掌握基础的密码锁和免战牌机制，省下了 4 场毫无意义的跨部门会议。