百度抓取页面返回404，关键在于查明其持续抓取原因：需区分是新页面部署错误还是旧页面下线后残留死链；必须确认为真404（状态码明确返回404），而非软404（200状态码却显示“未找到”）；应检查站内链接、sitemap、外链等源头，并通过百度搜索资源平台提交死链，配合正确HTTP响应头与410状态码加速索引清理。
百度抓取 HTML 页面返回 404 错误，说明它请求的 URL 在服务器上确实不存在——但关键不在于“页面没了”，而在于“百度为什么还在抓这个链接”。必须先区分：这是新上线页面被误判，还是老页面下线后残留的死链？前者要检查部署和路径，后者得主动清理索引。
确认是真 404 还是软 404
软 404（即页面显示“未找到”，但 HTTP 状态码是 200）比真 404 更危险：百度会把它当正常页面反复抓取、建索引，最终导致大量重复内容或无效收录。
- 用 Chrome 打开目标 URL → F12 → Network 标签页 → 刷新 → 点击该请求 → 查看
Response Headers中的Status字段，必须是404 Not Found，不能是200 OK或302 Found - 如果用 PHP/Node.js 等动态生成 404 页面，务必显式设置状态码：
http_response_code(404)（PHP）、res.status(404)（Express） - CMS 如 WordPress，避免在 404.php 模板里漏掉
status_header(404)或等效逻辑
检查百度仍在抓取的原因
百度不会无缘无故反复抓一个 404 页面——它一定从某个地方“看到”了这个链接。常见源头包括：
- 站内其他页面还保留着该 URL 的超链接（比如旧导航、文章内链、分页末尾的“下一页”指向已删栏目）
- XML 站点地图（
sitemap.xml）中仍包含该 URL，且未标注<priority>0.1</priority>或未移除 - 历史外链未失效，例如被其他网站转载、论坛帖子、PDF 文档里的静态链接
- 百度快照缓存未更新，用户点击快照跳转时触发二次抓取
让百度停止抓取并清理索引
光有 404 页面不够，得主动干预百度的爬行行为：
把任意文章或文档内容转换成精美的全屏翻页 HTML 演示文件（幻灯片风格）。当用户发来一篇文章、文档链接、Markdown 内容、或粘贴的文本，并且希望生成演示用的 HTML 时触发。支持任意内容来源：iWiki 链接、KM 链接、本地文件路径、直接粘贴的文本。生成的 HTML 文件保存到本地工作区，并通过企微直接发送给用户。触发词示例：帮我把这篇文章做成PPT、转成演示文档、生成HTML幻灯片、做个演示、转成可以演示的格式、article to deck、make a slide。
立即学习“前端免费学习笔记（深入）”；
- 登录 百度搜索资源平台 →「死链提交」→ 上传纯文本格式的死链列表（每行一个 URL，不超过 5 万条），不要用 Excel 或带 BOM 的 UTF-8
- 确保服务器对这些 URL 的响应头含
Cache-Control: no-cache，防止百度缓存错误响应 - 若该页面已永久下线（如产品停售、栏目撤销），优先返回
410 Gone而非 404，百度对 410 的索引清理速度通常更快 - 避免在 404 页面里用 JS 跳转首页，或写
meta refresh，百度可能忽略状态码直接抓跳转后页面
动态 URL 的特殊处理
对伪静态或参数型 URL（如 /article?id=123、/post/2026/10/abc.html），404 容易被误判为“服务器配置问题”而非“内容缺失”：
- Apache 的
.htaccess中，ErrorDocument 404 /404.html必须放在所有RewriteRule规则之后，否则重写失败前就触发 404，掩盖真实路由问题 - Nginx 需确认
try_files $uri $uri/ /index.php?$query_string;后接error_page 404 /404.html;，且/404.html路径可被 public 访问 - 数据库驱动页面（如详情页）查不到数据时，别直接输出空模板，必须调用
http_response_code(404)并终止后续逻辑
最容易被忽略的是：即使你已提交死链，百度也不会立刻删除索引——它需要验证多次 404 响应才敢判定失效。所以提交后至少等 3–7 天再查「站点支持 → 索引量」曲线是否下降；期间若发现新出现的 404，大概率是内部链接没修干净，得回代码里 grep 一遍 URL 字符串。
