谷歌SEO 内链地图脚本：Python 画出权重分发，揪出孤岛页

内链是独立站最容易"做了但没做对"的环节。本篇给一个可运行的内链拓扑分析脚本：抓取页面间的链接关系，输出孤岛页、权重黑洞、深链页三类问题清单，帮你把权重分发画成一张可执行的地图。官方规范见搜索中心内链文档。

一、先说明：内链分析为什么要"脚本化"

手动看内链只能看到"有没有"，看不到"分布合不合理"。三个典型问题必须靠数据发现：

问题	表现	后果
孤岛页	没有任何页面向它链接	权重无法流入，难以收录
权重黑洞	大量页面链向同一低价值页	权重被吸走，核心页分不到
深链页	需要 5+ 次点击才能到达	爬虫难到达，收录延迟

脚本思路：抓取站内页面 → 提取页面里的站内链接 → 构建"谁指向谁"的关系 → 统计入链数、出链数、最深路径。

二、脚本准备

urls.txt：每行一个站内 URL（从 sitemap 导出全量）。
Python 3.8+，仅标准库（urllib + re + collections）。
只抓本站域名，避免外链干扰。

三、内链地图脚本

python 复制代码

import re
import urllib.request
import urllib.error
from urllib.parse import urlparse
from collections import defaultdict

DOMAIN = "example.com"  # 换成你的域名
START_URLS = [u.strip() for u in open("urls.txt", encoding="utf-8") if u.strip()]

def fetch(url):
    req = urllib.request.Request(url, headers={"User-Agent": "Mozilla/5.0"})
    try:
        with urllib.request.urlopen(req, timeout=10) as resp:
            return resp.read().decode("utf-8", "ignore")
    except Exception:
        return ""

def extract_internal_links(html, page_url):
    links = set()
    for m in re.finditer(r'href=["\']([^"\']+)["\']', html, re.I):
        href = m.group(1).strip()
        if href.startswith("#") or href.startswith("mailto:") or href.startswith("javascript:"):
            continue
        if href.startswith("/"):
            href = f"https://{DOMAIN}{href}"
        elif href.startswith("http"):
            parsed = urlparse(href)
            if parsed.netloc != DOMAIN:
                continue  # 外链跳过
        else:
            continue
        links.add(href.split("#")[0].split("?")[0])
    return links

# 构建关系
incoming = defaultdict(set)   # 目标页 -> 来源页集合
outgoing = defaultdict(set)   # 来源页 -> 目标页集合
pages = set(START_URLS)

for page in START_URLS:
    html = fetch(page)
    targets = extract_internal_links(html, page)
    pages.update(targets)
    for t in targets:
        incoming[t].add(page)
        outgoing[page].add(t)

print(f"抓取页面数: {len(START_URLS)}  发现站内链接目标: {len(pages)}")

# 1. 孤岛页：没有入链
orphans = [p for p in pages if len(incoming.get(p, set())) == 0 and p not in START_URLS]
print(f"\n=== 孤岛页（无入链，{len(orphans)}）===")
for p in orphans[:15]:
    print(f"  {p[:90]}")

# 2. 权重黑洞：入链多但页面价值低（这里用入链数>10 且 出链数==0 近似）
print(f"\n=== 权重黑洞候选（入链多且无出链，{len(pages)} 页中）===")
for p, srcs in incoming.items():
    if len(srcs) >= 10 and len(outgoing.get(p, set())) == 0:
        print(f"  入链{len(srcs)}个  {p[:90]}")

# 3. 入链排名：核心页是否获得足够权重
print(f"\n=== 入链 Top 15 ===")
for p, srcs in sorted(incoming.items(), key=lambda x: -len(x[1]))[:15]:
    print(f"  入链{len(srcs):>3}个  {p[:80]}")

四、输出解读与动作

输出	判定	动作
孤岛页	无入链 = 权重进不去	从相关核心页加 1-2 条自然链接
权重黑洞	入链多但本身无价值	给黑洞页加 nofollow 或减少指向它的链接
入链 Top	核心页应排在前列	Top 页不是核心页时，调整内链布局

硬决策规则：核心转化页/核心内容页的入链数应该排在全站前 20%；孤岛页超过全站 10%，说明导航结构有问题，先改导航再补单向链接。

五、常见坑

坑	后果	正解
只抓首页开始	漏掉深链页面	从 sitemap 导全量 URL
把外链算进内链	关系图失真	只保留本站域名
只看数量不看路径	深链页被忽略	结合导航层级判断
改完不复查	内链又乱	每月重跑对比

六、FAQ

Q1：脚本能处理动态页面吗？

能抓静态 HTML；JS 渲染页面（SPA）需要预渲染或浏览器工具，脚本结果只作参考。

Q2：入链多少算健康？

没有固定数字，看结构：核心页 > 分类页 > 文章页 > 分页页。重点看相对分布，不看绝对值。

Q3：孤岛页一定要处理吗？

看价值：高价值内容页必须处理；低价值索引垃圾页建议 noindex 或删除，别为链接而链接。

七、行动清单

从 sitemap 导出全量 URL 生成 urls.txt，跑内链地图脚本。
处理孤岛页：核心内容补入链，垃圾页清理。
检查权重黑洞：低价值高入链页收敛权重。
每月重跑一次，对比入链分布变化。
配合官方内链最佳实践文档逐项核对。

完整版内链地图脚本（含深链层级计算、导航结构分析、可视化输出）我整理成了 PDF，评论区扣「内链」或私信我，免费发你。也欢迎一起交流谷歌SEO实战问题。