Files
web_huangguo2_h5/outputs/seo-audit-jha-1045-hgdjnet-web-20260922.md
T
谢宇宁andClaude Opus 5.5 0fbdba5ccf Initial commit
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2026-09-29 11:47:47 +07:00

23 KiB
Raw Blame History

jha-1045-hgdjnet-web SEO 收录审计报告

审计日期:2026-09-22
审计范围:app/template/pages、公共模板、页面路由、TDK 注入链路、canonical/robots、JSON-LD、sitemap、独立导航服务,以及本地 SSR 最终响应。
目标搜索引擎:Google、Bing、Yandex。

一、结论

当前项目已经具备较完整的 SSR SEO 基础设施,但暂不建议按现状直接上线并开放全站抓取。

  • 32/32 个页面模板均有 lang="zh-CN"、charset、viewport、唯一 <title>、统一 SEO 公共片段、<main> 和一个 <h1>。
  • 主站公开页能输出绝对 canonical、robots、Open Graph、Twitter Card 和 JSON-LD;搜索、账户页与 404 的 noindex 策略基本正确。
  • 路径型筛选和分页 URL 已经取代页面链接中的查询参数,分页第 2 页以后具有独立 title、description 与 canonical。
  • 本轮已经阻止软 404、无限分页和重复筛选 URL 进入索引;仍有 5 项高优先级内容质量/结构化数据问题:跨栏目重复 TDK、品牌信息冲突、动态 URL 未进入 sitemap、Organization logo 结构化数据失效、series-play 播放页没有 VideoObject。

综合判断:

引擎 当前判断 主要风险
Google 收录边界已明确,但富媒体与页面质量仍需优化 重复标题、结构化数据与页面不一致、视频页标记缺失
Bing 重复 URL 已禁止索引,但元数据区分度仍不足 相同 TDK、动态 sitemap 覆盖不足
Yandex 与其他搜索引擎使用统一 robots 策略 非主域名统一 noindex;sitemap 覆盖仍不足

本轮收录策略优化结果

已将页面收录规则改为公开页白名单;未明确归类的新页面默认 noindex,follow,避免后续新增路由意外进入索引。

状态 页面类型与路由
index,follow 首页;关于、帮助与法律合规页;主列表默认排序;有效题材/媒体/专题/标签/榜单页;有效分页;短剧及视频播放详情页
noindex,follow 站内搜索;独立导航页;列表/专题/标签排序变体;首页配置列表的时间/题材筛选变体;播放页推荐翻页;重复的默认参数路径;无效标签、专题、配置页;越界分页;404
noindex,nofollow 登录、注册、个人中心、历史、收藏、已购、设置、充值、反馈等用户或交易页面
HTTP X-Robots-Tag: noindex, nofollow API、M3U8、密钥和健康检查等非 HTML 工具接口

主域名使用配置接口动态返回的 foreverUrlAddr,不使用当前请求 Host、SEO canonical 或最新地址作为主域名回退。只有永久域名 Host 的公开白名单页面允许索引;CloudFront、旧域名及其他备用 Host 对所有搜索引擎统一输出:

<meta name="robots" content="noindex,nofollow">

非主域名及主域名自身的 noindex 页面均不输出 canonical 或 JSON-LD。所有 noindex HTML 页面同时发送对应的 X-Robots-Tag 响应头。

二、审计方法与边界

本次完成:

  1. 静态扫描 422 个项目文件和 32 个页面模板。
  2. 检查所有页面模板的 title、description、robots、canonical、H1–H6、main、图片 alt 和外链 rel。
  3. 跟踪 seoInfo → 导航 SEO → 筛选条件 → 本地兜底 的 TDK 获取与合并流程。
  4. 检查 JSON-LD 的生成分支及页面可见内容一致性。
  5. 临时启动本地 25121 主站和 26813 导航站,抽查最终 SSR 响应,而非只检查模板源码。
  6. 解析代表页面 JSON-LD;抽查 sitemap XML 通过 xmllint 语法校验。

限制:当前站点尚未上线,因此没有做搜索引擎控制台、线上 CDN、真实爬虫日志与 Google Rich Results Test 的线上 URL 校验。本轮使用配置接口动态返回的永久域名及不同 Host 请求本地 SSR 服务,验证了主域名、CloudFront 和旧域名的最终输出。

三、页面类型矩阵

页面类型 代表路由 robots/canonical H 标签 JSON-LD 结论
首页 / index,follow;绝对自 canonical 1 个 H1 Organization、WebSite、WebPage、ItemList 基础通过;品牌/H1 与 TDK 不一致
短剧列表 /list/... 默认排序与有效筛选 index;排序变体、无效实体和越界分页 noindex 1 个 H1 CollectionPage、BreadcrumbList、ItemList 收录边界已清理;仍需解决 TDK 重复
视频列表 /series/... 默认排序与有效筛选 index;排序变体、无效实体和越界分页 noindex 1 个 H1 CollectionPage、BreadcrumbList、ItemList 收录边界已清理;JSON-LD 名称仍有双品牌风险
专题/榜单/标签 /topic、/topic-detail/...、/rank/...、/tags/... 有效实体/榜单 index;纯排序、无效实体和越界分页 noindex 1 个 H1 CollectionPage、BreadcrumbList、ItemList 收录边界已清理;部分 TDK 仍重复
更多列表 /more-list/...、/more-series-list/... 有效配置基础页及分页 index;筛选变体、无效配置 noindex 1 个 H1 WebPage、ItemList 无效 config ID 已 noindex;仍建议改为 CollectionPage
短剧播放 /play/:slug/:chapterID index;内容 canonical 1 个 H1 WebPage、BreadcrumbList、TVSeries、VideoObject、TVEpisode 标记较完整;title 可能被通用上游 SEO 覆盖
视频播放 /series-play/:slug index;内容 canonical 1 个 H1 仅 Organization、WebSite、WebPage 缺少 VideoObject 和结构化面包屑
关于/帮助/法律页 /about、/help、/terms 等 index;自 canonical 1 个 H1 WebPage、BreadcrumbList;帮助页另有 FAQPage 品牌文案与动态站点名冲突
搜索页 /search/:q/... noindex,follow;不输出 canonical/JSON-LD 1 个 H1 无 策略正确
登录/账户/充值/反馈 /login、/profile、/favorites 等 noindex,nofollow;不输出 canonical/JSON-LD 1 个 H1 无 策略正确
404 任意不存在内容页 HTTP 404;noindex,follow 1 个 H1 无 正确
独立导航站 26813 /、/nav/、/dh/ 统一 noindex,follow;无 canonical 1 个 H1 无 已统一禁止索引

四、高优先级问题

P0-1:越界分页和不存在的聚合对象仍返回 200,但已禁止索引

本轮已在统一 SEO 层接入 PageOutOfRange,并为标签、专题、首页配置和分类实体增加有效性标记。越界分页、无效实体及纯排序变体现在均返回 noindex,follow、X-Robots-Tag: noindex, follow,且不输出 canonical/JSON-LD,不再进入索引。

这些 URL 目前仍可能返回 HTTP 200;后续若需要进一步消除软 404,建议对已确认不存在的实体和越界分页直接返回 HTTP 404。

优化前实际响应:

URL HTTP robots canonical
/list/all/0/1/page/999999 200 index,follow 自指向第 999999 页
/series/all/all/1/page/999999 200 index,follow 自指向第 999999 页
/topic/page/999999 200 index,follow 自指向第 999999 页
/tags/biaoqianceshi/page/999999 200 index,follow 自指向第 999999 页
/tags/definitely-not-existing-seo-audit 200 index,follow 自 canonical
/topic-detail/definitely-not-existing-seo-audit 200 index,follow 自 canonical
/more-list/999999999 200 index,follow 自 canonical
/list/definitely-not-existing-seo-audit 200 index,follow 自 canonical

其中越界分页的 UI 页码会被分页组件钳制到真实末页,但 canonical 仍保留请求中的极大页码。例如标签第 999999 页最终 title 变为“第2页”,canonical 却仍是 /page/999999。这会生成任意数量的近重复、软 404 URL。

正确行为:

  1. 数据拉取后,调用现有 PageOutOfRange(page, pageSize, totalCount)。
  2. 第 2 页及以后越界时直接返回 HTTP 404 + noindex,follow,不输出 canonical 和 JSON-LD。
  3. tag/topic/config/theme 无法解析或上游明确返回无数据时返回 404。
  4. 枚举型路径参数必须白名单校验;无效筛选不能自 canonical 成新的可收录页面。
  5. /play/不存在 和 /series-play/不存在 当前已正确返回 404,可沿用同一模式。

P0-2:多个公开栏目输出完全相同的 TDK

当前优先级是:页面接口 seoInfo 优先,导航 SEO 补空,筛选条件追加,最后才使用本地兜底。这个模型本身合理,但没有判断上游返回的是否只是全站通用 SEO。

本地最终响应中,下列页面输出了相同的 title 和 description:

  • /
  • /list
  • /topic
  • /rank
  • /recently-added
  • /popular-recommend

它们均使用当前上游返回的“麻豆官网|麻豆传媒官方站 最新华语AV免费看”及同一段首页描述。另有:

  • /rank/2 与 /popular-recommend/2 的 title 和 description 完全相同,仅 canonical 不同。
  • /play/chongchongceshiduanju 的 H1 是“虫虫测试短剧”,但 <title> 被章节 seoInfo.title 覆盖成全站通用标题并追加数字。

Google 明确建议每个页面使用简洁、描述性、非模板化重复的 title;Bing 也会使用 title、OG 和显著正文综合生成结果标题;Yandex 的标题与摘要同样取自 title、description、正文和结构化数据。当前重复与冲突会导致搜索引擎重写标题、降低页面区分度。

建议:

  1. 非首页页面不要无条件接受“全站通用 title/description”。增加通用 SEO 检测:若与首页 SEO 完全相同,则回退到页面类型 TDK。
  2. 每个主栏目设置独立模板:栏目名/筛选名/页码 + 简短站点名;description 描述该栏目实际内容。
  3. 播放页将 ResolvePlayPageTitle 的结果写回最终 seoInfo.Title,避免随后又被原始章节 SEO 覆盖。
  4. /rank/:type 与 /popular-recommend/:type 必须体现不同页面意图,不能只追加相同榜单名称。
  5. 对上游 SEO 建立验收条件:非空、包含当前实体或栏目主题、不是首页 TDK、长度合理、与可见 H1 不矛盾。

P0-3:动态品牌与硬编码“黄果短剧”混用

当前上游配置的站点名是“麻豆传媒”,但项目中仍有 141 处“黄果/黄果短剧”硬编码。最终页面出现多套品牌信号:

  • 首页 <title>、Organization、WebSite 是“麻豆传媒”,H1 是“黄果短剧”。
  • /series <title> 为“剧集与动画 - 黄果短剧”,JSON-LD WebPage.name 被再次追加成“剧集与动画 - 黄果短剧 - 麻豆传媒”。
  • /about、/help、法律页的 title 使用“麻豆传媒”,description/H1/正文仍为“黄果短剧”。
  • 独立导航页根路径:<title> 是“麻豆官网…”,OG/Twitter 是“黄果短剧 · 官方导航”,H1 是“麻豆传媒官方导航站…”,JSON-LD WebPage 又使用“黄果短剧”。

这不只是品牌展示问题,也会让 title、H1、OG、JSON-LD 互相矛盾。Google 和 Bing 都会综合这些来源重新判断页面标题与站点实体。

建议:

  1. 先明确该部署到底是“黄果短剧”还是“麻豆传媒”。
  2. 可复用白标项目应统一使用 siteName/配置品牌变量,避免在 handler、模板、fallback、JSON-LD 中写死品牌。
  3. 法律文本、帮助 FAQ、邮箱域名、图片 alt、App 文案也必须跟随同一品牌配置,不能只改 head。
  4. JSON-LD 不应对已经带旧品牌的名称再次追加新品牌。

P0-4:sitemap 仅包含 13 个静态栏目 URL

当前 sitemap XML 语法有效、使用绝对 URL、robots.txt 也正确声明了 Sitemap,但只列出 13 个固定地址:主页、主栏目和静态说明页。

缺失:

  • 所有 /play/... 和 /series-play/... 内容页;
  • /tags/...、/topic-detail/...;
  • 可收录的 /more-list/...、/more-series-list/...;
  • 有独立搜索意图的筛选页与分页页;
  • <lastmod>;
  • 视频 sitemap 或视频扩展字段。

对以动态视频详情为核心的网站,只依赖站内链接发现会降低新内容发现速度,并让孤立或深层内容更难被抓取。Google 建议 sitemap 放入希望出现在搜索结果中的 canonical URL;Yandex 也建议 Sitemap 反映当前站点结构。

建议按类型生成 sitemap index:

  • sitemap-static.xml
  • sitemap-playlets.xml
  • sitemap-videos.xml
  • sitemap-topics-tags.xml

只收录 200、index、canonical 的真实 URL;lastmod 必须来自真实更新时间。视频内容可增加 Google 支持的视频 sitemap 扩展。

P0-5:Organization.logo 指向 404,且声明尺寸与文件不符

JSON-LD 当前生成:

https://{site}/favicon.png

实际本地响应:

  • /favicon.png → 404 HTML
  • /static/favicon.png → 200 image/png
  • 实际 PNG 尺寸为 132×132,但 JSON-LD 声明 512×512

Google 要求 Organization logo URL 可抓取、可索引,且至少 112×112。现有文件尺寸达最低要求,但 URL 与声明尺寸错误。

建议将 url/contentUrl 改为真实 /static/favicon.png,宽高写真实值;更理想的是提供专用 512×512 品牌 logo 文件,并确认生产 CDN 返回 200 和正确 MIME。

P0-6:series-play 视频播放页没有 VideoObject

短剧播放页能在数据完整时输出:

  • WebPage
  • BreadcrumbList
  • TVSeries
  • VideoObject
  • TVEpisode

但 /series-play/:slug 实际只输出 Organization、WebSite、WebPage,即使页面存在可见播放器、封面、标题、时长和视频地址,也没有 VideoObject。

Google 的视频富媒体文档要求 VideoObject 至少包含唯一 name、thumbnailUrl 和 uploadDate;推荐提供 contentUrl 或 embedUrl、description、duration。当前 VideoInfoResp 没有可靠发布时间字段,因此需要先补齐上游字段或数据映射,再生成合规 VideoObject,不能虚构日期。

短剧 VideoObject 的现状较好,但锁定内容的实测对象未输出 contentUrl/embedUrl。这不是必填错误,但会降低 Google 获取视频文件与视频搜索展示的能力。

五、中优先级问题

P1-1:独立导航服务入口已统一禁止索引

DHInit 暴露 /、/nav/、/dh/。本轮通过页面数据中的 isNavPage 统一覆盖为 noindex,follow,不再输出 canonical 和 JSON-LD;即使请求 Host 恰好为主域名也不会误收录。

优化前行为为:

  • /:200、index,但 canonical 指向主站首页,而不是导航站自身;
  • /nav/、/dh/:200、index,却没有 canonical 和 JSON-LD;
  • 导航服务的 /robots.txt、/sitemap.xml 返回 404。

如果导航站需要独立收录,应为导航域名配置独立 origin、统一 title/description/OG/H1/JSON-LD,并只保留一个规范入口;未上线阶段可直接删除多余别名或令其 404。若导航站不需要收录,则三个入口统一 noindex,不要一部分 index、一部分无 canonical。

P1-2:公共 header 的 H2 出现在页面 H1 之前

32 个页面模板自身都只有一个 H1,页面内部 H1→H2→H3 层级基本合理。但公共 header 在正文 H1 之前渲染“搜索历史”“热门搜索”两个 H2,因此多数最终 HTML 的第一个标题标签是 H2,而不是页面主题 H1。

这些只是下拉菜单标签,建议改为 <p>/<div>,保留可访问性属性即可。这样最终 heading outline 从页面 H1 开始,更符合 Bing 对逻辑标题层级的建议,也避免搜索引擎误判页面主题。

P1-3:Breadcrumb JSON-LD 与可见面包屑不完全一致

  • 多数列表/法律/帮助页没有可见面包屑,却生成 BreadcrumbList。
  • 短剧播放页可见路径是“首页 → 短剧 → 剧名 → 第 N 集”,JSON-LD 缺少“短剧”层级。
  • series-play 有可见面包屑,却没有 BreadcrumbList。

Google 的通用结构化数据规则要求标记代表页面真实、可见的主要内容。建议由同一个 breadcrumb ViewModel 同时渲染 HTML 与 JSON-LD,防止两份逻辑漂移。

P1-4:more-* 集合页仍标记为普通 WebPage

/more-list/... 与 /more-series-list/... 有真实列表和 ItemList,但 isCollectionPath 没包含这两个前缀,因此输出 WebPage。不是语法错误,但改为 CollectionPage 更准确。

六、已通过项

模板与语义标签

  • 32/32 页面模板有 <!doctype html>、lang="zh-CN"、charset、viewport、title、统一 SEO 片段、main、H1。
  • 每个页面模板静态结构只有一个 H1。
  • 290 个 <img> 均有 alt 属性。
  • 44 个 target="_blank" 链接均包含 rel="sponsored nofollow noopener"。
  • 主要内容由 SSR 输出,不依赖客户端 JavaScript 才能产生 title、description、H1、canonical 或 JSON-LD。

robots 与 canonical

  • 主站 robots.txt 返回 200,允许抓取 HTML,同时屏蔽 API、播放器工具和健康检查路径。
  • 搜索页 noindex,follow,账户/登录/充值等私有页 noindex,nofollow。
  • 404 返回真实 HTTP 404 与 noindex,follow。
  • 所有 noindex 页面均不输出 canonical 和 JSON-LD,避免信号冲突。
  • 正常公开页使用绝对 canonical,去除 query 和 fragment。
  • 路径型分页第 2 页具有自 canonical、独立页码 TDK、prev/next。
  • API/媒体工具响应统一带 X-Robots-Tag: noindex, nofollow。

JSON-LD

  • 使用 Google 推荐的 JSON-LD 格式,并由 json.Marshal 生成;抽查页面均可正常解析为 JSON。
  • 首页与列表页能输出 WebSite/Organization/WebPage 或 CollectionPage/ItemList。
  • 帮助页 FAQPage 的问题和答案与页面可见内容一致。
  • 短剧播放页仅在有真实封面和发布日期时输出 VideoObject,没有伪造必填字段。
  • 结构化数据中的 URL 基本使用绝对 canonical URL。

URL 结构

  • 页面筛选、搜索与分页主链接已经使用二级路径形式。
  • 模板中未发现业务 HTML 链接继续使用 ?filter=、?page= 等查询式页面 URL;发现的 ?v= 均为静态资源版本号。

七、TDK 获取链路评价

当前实现:

接口 seoInfo
  ↓ 缺失字段补齐
导航配置 SEO
  ↓
当前筛选/排序维度差异化
  ↓
页面类型本地 fallback
  ↓
追加品牌、页码

优点:入口集中、字段归一化、分页差异化明确,避免模板各自生成冲突标签。

主要缺口:

  1. 上游字段只判断“是否非空”,不判断“是否属于当前页面”。
  2. seoInfo.CanonicalURL 被解析和保留,但最终 canonical 完全由本地路由重建;如果这是刻意的安全策略,应删除或注释清楚该未生效字段,避免后台运营误以为可配置页面 canonical。
  3. 品牌 fallback 写死“黄果短剧”,与动态 WebSiteName 不一致。
  4. 部分 handler 先生成了正确页面 title,随后仍把原始 seoInfo 交给公共层,导致正确 title 被再次覆盖。
  5. meta keywords 已输出,但 Google 不使用它作为排名信号;不能用 keywords 的完整度代替 title/description 的唯一性与准确性。

建议把最终 TDK 规则收口为:

实体/栏目专属 SEO(通过相关性校验)
  > 页面本地语义模板 + 动态品牌
  > 全站配置兜底

首页允许使用全站 SEO;非首页如果上游 TDK 与首页完全相同,应自动降级到页面本地模板。

八、建议实施顺序

上线前必须完成

  1. 所有无效实体、无效 slug/config ID、越界分页返回 404/noindex。
  2. 修复跨栏目重复 TDK 与播放页 title 覆盖。
  3. 统一品牌来源,清理 head、H1、正文、OG、JSON-LD 的多品牌冲突。
  4. 修复 Organization logo URL 和尺寸。
  5. 为 series-play 添加合规 VideoObject;先补真实 uploadDate。
  6. sitemap 纳入动态 canonical 内容 URL。

上线前建议完成

  1. 已完成:导航站全部入口统一 noindex,follow,不输出 canonical/JSON-LD。
  2. 调整公共 header 的 H2,保证正文 H1 是页面第一个主题标题。
  3. 统一 HTML 与 JSON-LD 面包屑数据源。
  4. 将 more-* 页面标记为 CollectionPage。

上线后验证

  1. Google Search Console:URL Inspection、Page indexing、Video indexing、Rich results。
  2. Bing Webmaster Tools:Site Scan、URL Inspection、Sitemaps、IndexNow。
  3. Yandex Webmaster:Page check、Searchable pages、Sitemap、Duplicate pages。
  4. 持续监控 404/软 404、重复 title/description、已发现未收录、视频缩略图抓取失败。

九、验收标准

  • 任意不存在实体或越界分页:HTTP 404,robots noindex,无 canonical/JSON-LD。
  • 每个可收录 URL:唯一且与 H1/正文一致的 title、description。
  • 同一页面:title、H1、OG、Twitter、JSON-LD 使用同一品牌与页面主题。
  • 每个 canonical:200、可抓取、可索引、无跳转链、同域绝对 URL。
  • sitemap:只包含真实 200/index/canonical URL,并覆盖所有核心内容页。
  • Organization logo:200 图片响应、正确 MIME、可抓取、尺寸声明真实。
  • 所有视频观看页:满足 VideoObject 必填属性;可用时提供 contentUrl 或 embedUrl。
  • 仅主站公开白名单页面可索引;导航站全部入口稳定输出 noindex。

十、官方规则参考

十一、构建与校验记录

  • go test ./app/...:通过;项目 app、router、web、SEO service 等包可编译。
  • go test ./...:失败,原因是仓库既有 pub/models 缺少 videoweb/app/api/proto,以及 pub/storage 引用未定义的 proxy 符号;与本次 SEO 审计无关。
  • sitemap XML:xmllint --noout 通过。
  • 本轮已完成页面收录白名单、无效实体/越界分页 noindex、导航页 noindex,以及基于动态永久域名的非主域名统一 noindex 规则。