外链数量至少要说明在数什么:链接出现次数、来源页数、来源域数、来源—目标关系数,还是被链接的目标URL数。五种口径都可能有用,但“同一个目标地址只算一条外链”会把不同来源的信息抹掉,不能作为通用统计规则。
用六次链接出现,算清五个结果
下面是明确虚构的教学数据,a.example与b.example代表两个来源域,site.example代表目标网站;不存在客户项目或真实链接交付。为看清口径,本例只按下表的精确字符串去重,没有处理参数、跳转或Google规范化。
| 记录 | 来源页 | 目标URL |
|---|---|---|
| 1 | a.example/one | site.example/p |
| 2 | a.example/one | site.example/p |
| 3 | a.example/one | site.example/q |
| 4 | a.example/two | site.example/p |
| 5 | b.example/one | site.example/p |
| 6 | b.example/one | site.example/q |
- 链接出现次数为6:每一行算一次出现,同页重复也保留。
- 来源页数为3:a.example/one、a.example/two、b.example/one。
- 来源域数为2:a.example与b.example;本例不涉及子域或公共后缀解析。
- 目标URL数为2:p与q;这是覆盖的页面数,不是外链总数。
- 来源—目标去重关系为5:只有记录1和2完全重复,其余关系各保留。

URL归一化,要保留原件和处理依据
原href、最终访问地址、声明canonical和Google选定规范页是不同字段,先按四层地址核对记录。统计工具可以为特定目的归组,但规则必须写清,并保留未处理原值。
RFC 3986第6节说明URI比较有不同目的与规范化层次:scheme与host通常不区分大小写;不能因此把整个路径都转小写。百分编码中代表非保留字符的形式可以按相应规则规范化,也不能把所有百分编码无差别解码,尤其不能把编码后的保留分隔符改成路径或参数结构。
例如%7E与~可按非保留字符规则比较;%2F与/不能靠这一规则直接视为相同。HTTP与HTTPS不是同一个scheme,www子域和主域也不是相同host;要合并为同一实际页面,须有真实跳转、内容与明确的报表规则支撑。
删除全部参数同样危险:跟踪参数可能只记录来源,筛选参数却可能改变商品集合。分页、排序、筛选与语言版本要按实际用途处理,不能为了让数字好看全部抹掉。
GSC的“重复链接”是它自己的报表口径
Search Console链接报告说明:目标按canonical归组;同一来源URL到同一目标URL的重复链接,会在去除参数及其他规范化后合并;链接文字报告又有不同去重依据。来源站点按根域归组,子域、省略的URL与采样范围都会影响结果。
这段说明不能推广成“全互联网的参数都不重要”。GSC是采样且有表格行数限制,可能仍保留已删除链接,也不展示nofollow属性。第三方爬虫有自己的发现时间、抓取范围与去重方式;数字不同,先对齐口径和时间,不立即认定哪一方漏交或作假。
项目台账怎样做才可复核
至少保留来源URL、实际href、锚文本、链接属性、目标/最终地址、所属域、层级、发现与复查时间,以及失败或未检查状态。将“本次看见”“曾经交付”“当前仍在”“报告已发现”分别记录。访问超时不是删除证明,截图里出现网址也不是存在可点击链接的证明。
光算外链组合的数量、高低搭配与分层建设,按实际服务与约定验收。指向中间层页面的关系不能冒记为直接指向业务站;同一域名多个URL的覆盖,也不能冒记成多个独立域名。落点如何分工,可接着看外链页面选择。
最后再看搜索表现与有效询盘。交付清单、抓取报告、索引状态和业务结果解决不同问题;把它们都压成一个“有效外链数”,会丢掉最需要追查的信息。