华律网 SEO 实测：6310 万收录，站点地图只报 1 万条

华律网（66law.cn）是法律咨询领域体量最大的站点之一。它的内容不缺，缺的是让搜索引擎高效发现内容的机制。本文基于 2026 年 11 月 11 日的直接抓取，给出可复现的证据。

一、基本盘：内容规模从来不是短板

先用第三方工具和页面实测确认它的体量。

六千三百万条收录配 82 条反链，这个组合本身已经说明问题：它是纯站内长尾驱动型站点，几乎不吃外部链接。

顺带说明一处数据：爱站收录趋势显示近一周百度收录减少约 3,690 万条。与 6,310 万总量叠加后不合常理，判断为统计口径切换，本文不据此下结论。

二、站点地图：10,000 条上限与冻结三年的分片

robots.txt 只声明了两个 sitemap 地址，这是全部。

第一个是 sitemap_laws.txt，纯文本列表。实测返回字节数恰好 400,000，正好 10,000 行，URL 从 laws/1602981.aspx 递减到 laws/1592982.aspx。

400,000 字节是一个干净到可疑的整数，说明这个文件是按固定体积截断生成的，而不是按内容范围生成。

它和收录量的比值是 0.016%。换言之，这张站点地图对爬虫的理解几乎没有帮助。

第二个是 sitemapxml/baidu/sitemap/contractmodel/index.xml。这个索引返回 3 MB，含 19,207 个子分片。

抽查两端：第 1 片 2,000 条，lastmod 全部是 2023-01-05；第 19,207 片 10,000 条，lastmod 是 2026-09-02。

前段分片停更接近三年十个月，却仍然留在索引里被反复提交。爬虫按索引顺序抓取时，会先撞上一大批已知陈旧的地址。

标准位置 sitemap.xml 返回 404。站点从未提供这个约定俗成的入口。

第三个信号来自发布频率：爱站口径下一周收录 15.94 万、一月收录 48.6 万。按此推算，站点每月新增或改写约 48.6 万条 URL，而站点地图固定只报 1 万条。

发现能力的缺口，就是这么拉开的。

三、移动适配：302 跳转，两端都不声明主版本

用桌面 UA 请求首页，得到 200，无 viewport。用 iPhone UA 请求同一地址，得到 302，跳转到 m.66law.cn。

第一个问题是跳转码。设备分流是长期策略，不是临时调整，302 属于错误语义。它会让搜索端保留两个 URL 的并行状态，而不是完成合并。

第二个问题更关键：两端都没有 canonical。www 页面没有，m. 页面也没有，同时也没有用 rel=alternate 做配对声明。

结果是两个版本各自积累信号，谁都不承认对方是主版本。对一个收录六千万条的站点，这类稀释是按比例放大的。

四、页面结构：没有 H1 的首页，没有出口的栏目页

首页 H1 数量为 0，只有 5 个 H2 和 8 个 H3。/laws/ 栏目页同样 0 个 H1。

首页有 1,876 个 a 标签、1,343 个唯一 URL；/laws/ 一页 1,189 个链接。这个量级会显著消耗抓取预算，而其中多数是指向同一批热门页面的重复入口。

更值得注意的是分页。/laws/ 页面上没有任何「下一页」链接，只有一个需要 JavaScript 触发的「更多」按钮。实测 /laws/list_2.aspx 返回 404。

也就是说，栏目页不向爬虫暴露任何翻页路径。深层内容只能靠站点地图和爬虫的历史路径发现——而站点地图只报 1 万条。

404 处理也有改进空间。请求一个不存在的无斜杠路径，服务端会先 301 补上斜杠，然后才返回 404。每次误访问多消耗一次请求。而 404 页面上只有 3 个链接，几乎是个死胡同。这一点比菜鸟教程的站点地图断链问题更容易修。

五、详情页模板的四处硬伤

以 laws/1602981.aspx 为样本，页面本身是合格的：标题用「问题词 + 法律知识 + 品牌」模板，H1 唯一，正文约 1,650 字，gzip 后 14.8 KB。

问题集中在模板层。

标题层级断档。 全文标签顺序是 H1 之后连出 10 个 H3，中间没有 H2。对小节结构来说，这意味着大纲信息丢失。

描述自动截断。 description 是正文首段的硬切，以「...」收尾，句子不完整。这类描述在结果页上的点击率通常低于人工撰写版本。

关键词字段形同虚设。 keywords 里只有标题本身，末尾还带一个多余空格。这个字段早已不影响主流排序，但它暴露了模板对 SEO 字段的处理方式——填满即可。

结构化数据只有百度。 页面只有一段 cambrian 标注，提供 pubDate 与 upDate。没有 Article、BreadcrumbList，也没有针对法律服务场景的 LocalBusiness 或 ProfessionalService 标注。

另外两处值得记录：正文里有 12 条关键词锚文本，「华律网」和「法律咨询」都指向首页；作者署名是「华律网整理」，法律属于典型的 YMYL 领域，无署名、无资质说明是明确的 E-E-A-T 短板。

这一点和古文岛的自动抓取内容面临同样的信任成本，只是法律领域的容错率更低。

六、robots：把 AI 搜索一起关在门外

robots.txt 采用了白名单写法：逐条为 Baiduspider、Sogou、360Spider、bingbot、Googlebot、Bytespider 等单独写 Allow，然后在 User-agent: * 下写 Disallow: /。

名单里没有 GPTBot、ClaudeBot、PerplexityBot、OAI-SearchBot，也没有 Applebot-Extended。它们全部落入通配组，被整站禁止。

实测验证了一件事：用 GPTBot UA 请求详情页，服务器照样返回 200 和完整内容。robots.txt 是声明而非执法，它拦不住不守规矩的抓取方。

但守规矩的那部分会照做。代价是在 AI 搜索的引用池里彻底消失，而这个入口的权重还在上升。

还有一个格式细节：所有记录写成 Allow:/，冒号后没有空格。多数解析器能容错，但这不符合标准写法，在解析器差异较大的环境下是可控风险。

七、按投入产出排序的修复清单

1. 补 canonical（半天工作量）。 详情页与栏目页自指 canonical；移动页指向对应桌面 URL，桌面页加 rel=alternate 指回移动页。这是当前最高优先级的单项修复。
2. 把 302 改成 301。 设备分流跳转应当是永久语义。一处配置改动，消除长期存在的信号分裂。
3. 重建站点地图策略。 按内容类型拆分索引，去掉 10,000 条的体积截断，把 laws 目录按月增量分片；同时提供 /sitemap.xml 指向总索引。停止提交 lastmod 停在 2023 年的空转分片。
4. 给栏目页补分页出口。 用真实 a 标签输出「下一页」与页码，让爬虫有路径可走。这一步能让新内容的发现周期从「等推送」变成「可遍历」。
5. 修标题层级与描述。 小节用 H2，子项用 H3；description 改为人工模板或首段语义完整的前 80 字，去掉省略号。
6. 补结构化数据。 在保留 cambrian 的同时输出 schema.org 的 Article 与 BreadcrumbList，咨询与律师页再叠加 ProfessionalService。
7. 重新评估 AI 爬虫策略。 如果目标是获得 AI 搜索引用，就把 GPTBot、ClaudeBot、PerplexityBot 从通配封禁中放出来；如果目标是防止内容被训练，就保持现状，但要清楚这是主动取舍而非默认结果。

结论

华律网的问题不是内容不行，而是把「内容生产」和「内容分发」当成了同一件事。

六千万条收录证明了历史积累，但 1 万条的站点地图、冻结的分片索引、断掉的分页出口和缺失的 canonical，说明新增内容的发现链路已经和内容规模脱节。

这类问题的共同特征是：不修也能活，修了才跟得上。对比孔夫子旧书网那种爬虫直接看不到内容的硬故障，华律网属于慢性损耗——更难察觉，但同样在扣分。