软404是指页面显示“未找到”但服务器返回200状态码，搜索引擎只认状态码，因此必须确保返回真实404；验证方式为curl -i或devtools查看响应头，后端需显式设置状态码（如php用http_response_code(404)），nginx/apache配置须正确，html语义（title含“404”、无自动跳转等）也需配合。
必须让服务器返回真实的 404 Not Found 状态码，否则搜索引擎会把你的“404页”当成普通页面收录——这是软404最核心的陷阱。
怎么确认是不是软404
软404的本质是：用户看到“页面未找到”，但服务器偷偷返回了 200 OK。搜索引擎只信状态码，不信文案。
- 用
curl -I https://yoursite.com/does-not-exist查响应头，必须含HTTP/1.1 404 Not Found - 浏览器打开 DevTools → Network 标签 → 刷新一个不存在的路径 → 看该请求的 Status 列是否为
404 - 常见假象：页面内容是自定义404，但状态码是
200（PHP/Node.js 动态渲染时最常漏掉设状态码）或302（用了<meta http-equiv="refresh">或 JS 跳转）
动态页面中怎么正确返回404状态码
后端逻辑判断资源不存在时，不能只渲染模板，必须显式设置 HTTP 状态码。
- PHP：
http_response_code(404);必须在echo或include任何输出之前调用 - Node.js（Express）：
res.status(404).render('404');或res.sendStatus(404); - Python（Flask）：
return render_template('404.html'), 404 - 错误写法：
include '404.html';单独执行——没改状态码，默认还是200
Nginx / Apache 静态配置的坑
即使你放好了 404.html，服务器配置错一步，照样变成软404。
- Nginx：必须同时满足两点——
error_page 404 /404.html;+location = /404.html { internal; }。漏掉internal，访问/404.html本身会返回200，导致爬虫误抓 - Apache：
ErrorDocument 404 /404.html中的路径必须以/开头，不能写成https://yoursite.com/404.html（否则触发 302 跳转） - GitHub Pages / Vercel：它们不支持自定义状态码，
404.html只是前端路由兜底，实际响应仍是200——这类平台无法真正解决软404，只能靠客户端 JS +history.pushState模拟，但对爬虫无效
404页面里最容易被忽略的细节
状态码对了，不代表就安全了。搜索引擎和辅助技术还依赖语义结构来确认这是错误页。
-
<title></title>必须包含 “404” 或 “Not Found”，例如<title>404 - 页面未找到</title>；写成 “欢迎来到我的网站” 会让爬虫完全无法识别 - 主内容区用
<main></main>或<div role="main"> 包裹，避免屏幕阅读器跳过关键错误信息<li>禁止自动跳转：<code><meta http-equiv="refresh">、window.location、router.push('/')都会覆盖真实状态码，哪怕加了延迟也不行 - 所有链接必须是站内有效路径，比如
href="/"、href="/blog"；不要放空链接、#或已失效的 URL
软404不是“看起来像404就行”，而是 HTTP 协议层、服务器配置、前端语义三者必须全部对齐。少一环，搜索引擎就当你是故意藏了个重复页面。最稳妥的做法：先用 curl -I 验证状态码，再检查 HTML 结构，最后用 Google Search Console 的“URL 检查”工具看它怎么理解这个页面。
