Google 搜索原理

2026年9月6日

Google 是全自动搜索引擎。结果里绝大多数 URL 不是人肉提交的，是爬虫自己转出来的。流程就三步：抓取 → 索引 → 呈现。

抓取

Googlebot（也叫蜘蛛）按算法挑 URL，控制速度避免压垮站点。发现途径常见有：

新站、深层级路由，只靠内链爬得慢，sitemap 更重要。

抓到的文本、图、视频被分析后放进索引库。用户搜索时查的是这个库，不是实时扫全网。改完页面，同步经常要几天到几周。

抓到 ≠ 进索引。 写了下面这种，页面不会进库：

<meta name="robots" content="noindex" />
html

App Router 里等价于 metadata.robots = { index: false }。登录后、感谢页、重复筛选结果，该 noindex 就 noindex。

索引时还会看 TDK、标题层级、JSON-LD、OG、图片 alt、Core Web Vitals。质量差、和搜索意图对不上，进了库也排不上去。

会被打压的行为包括：伪装内容、门页、过期域名滥用、隐藏文字、关键词堆砌、垃圾链、机器流量、规模化空壳、滥用他人声誉等。原文：垃圾内容政策。

Google 公开说不卖自然排名。排序综合相关性（和查询是否匹配）、权威性（域名与外链）、体验（速度、移动端）。用户语言、设备、历史也会影响同一词看到的列表。

经验数字（不是 SLA）：收录常要 2–3 周，稳定排名可能要两三个月。优化的是整站，不是「锁死某一格」。

下一篇写 robots.txt。