文章页的时间到底由谁决定:索引里的日期、Last-Modified 与结构化数据的取数逻辑

索引页上显示的时间,到底是谁的时间

搜索结果里那条灰色时间戳,看起来是个小细节,实际影响很大:同一批文章里,显示「三天前」的那篇被点开的概率明显高于显示「八个月前」的,哪怕内容完全一样。于是很多站长开始折腾:能不能把时间刷成最新的?后台明明改过,为什么发布时间还是老的?

我在自己的站上把这件事拆开看了一遍,结论是:你自己写的文章页上显示什么时间,和搜索引擎在索引页上显示什么时间,是两套完全独立的取数逻辑。前者由模板决定,后者由引擎从一堆信号里猜一个它认为最可信的值。搞清这个分工,就不会再对着「日期怎么不变」这件事干着急了。

索引结果里那个日期,不是一个字段,是几个信号的合成

很多人以为只要在页面里写了 Article 结构化数据、把 dateModified 填上今天,索引页就会立刻显示今天。实测下来不是这样的。引擎在这个位置要做的事是「判断这一页什么时候变得有意义地不同了」,它的候选信号至少有四类:

第一类是正文里可读的日期文本,包括模板输出的发布时间与更新时间。第二类是结构化数据里的 datePublished 与 dateModified。第三类是响应头里的 Last-Modified。第四类是它自己的抓取历史——同一个 URL 过去的几次抓取之间,正文指纹有没有变。

这四类信号不一致的时候,引擎通常会选保守的那个。也就是说,如果你只在结构化数据里把 dateModified 改成了今天,但正文指纹和上次抓取完全一样,它大概率不会采信。这个行为其实是对的:如果只看一个自报字段就改显示时间,那所有人的文章都可以一键变成「今天」。所以「时间刷不上去」往往不是配置问题,而是这一页确实没有实质变化。

顺便说一个与此相关的常见错配:文章的发布时间用 date('c') 每次渲染都输出当前时间,会让每一页看起来都在「刚刚更新」。这种写法在结构化数据里是明确的负面信号,我见过几个站因此被反复重抓,抓取预算全耗在同一批页面上。

最后修改时间从哪来:三种来源,三种可信度

页面上的「最后修改」通常有三个来源,可信度和适用场景都不一样。

文件 mtime 最省事:模板里直接读文件修改时间。问题是一次全站部署、一次批量改模板、一次 rsync 同步,都会把整站文件的 mtime 刷成同一秒,于是全站几百篇文章同时「刚刚更新」。这在搜索引擎看来非常假,而且会让抓取调度瞬间失衡——它以为你有几百篇新内容。

数据库里单独存一列 updated_at 是最推荐的做法,前提是更新逻辑写对。最容易犯的错是把 updated_at 写成 ON UPDATE CURRENT_TIMESTAMP,结果任何一个后台操作(包括只改了一个标签、只更新了阅读数)都会把时间刷新。我见过一个站的阅读计数写在文章表里,于是每篇文章被访问一次就「更新」一次,全站文章的时间天天是今天。

第三种是从内容衍生的指纹:把正文做一次哈希,哈希变了才更新 updated_at。这一种最贴近「有意义地更新」的语义,实现也不复杂,在保存文章时算一次就行。代价是正文里只要动一个错别字,时间也会变——这其实是可以接受的,因为对读者来说那确实是一次更新。

// 保存时只在正文真正变化的情况下更新 updated_at
$old = $db->fetchOne('SELECT content_hash FROM posts WHERE id = ?', [$id]);
$new = hash('sha256', $content);
if ($old !== $new) {
    $db->exec('UPDATE posts SET content = ?, content_hash = ?, updated_at = NOW() WHERE id = ?',
              [$content, $new, $id]);
}

如果站上已经有大量历史文章、时间已经被刷乱了,修回去要谨慎:集中把几百篇的 updated_at 改回真实时间,再如实输出,短期会让索引里一片旧日期,但比长期输出假时间要好。改动尽量分批做,一次几十篇,观察一两周再继续。

模板输出时间的三个具体坑

即使数据是干净的,模板层还能把时间弄坏。下面三处是我实际遇到的。

第一处是时区。数据库里存的是 UTC,服务器时区是 UTC,输出时没有转换,于是页面上写的是「北京时间凌晨三点发的文章」,索引里显示的时间和你心里的时间差八个钟头。更迷惑的是,有的地方转换了、有的地方没转,一篇文章的发布时间和更新时间差出十六个小时。这类问题在跨时区访问时格外明显,解决方案只有一个:全站统一存 UTC,输出时只在一个地方转换。

第二处是「日期显示成相对时间」。模板输出「3 天前」这种表述,人看着舒服,但爬虫和索引拿到的是一个每次渲染都在变的字符串。要保留相对时间,就把它放在一个普通元素里,同时用 time 标签把机器可读的时间显式标出来。

第三处是时间格式本身不合法。结构化数据里的 dateModified 必须能被解析成合法日期时间,写成「2026年11月18日」「2026-11-18 09:20」这类格式都有风险,最稳妥的是带时区的 ISO 8601。

{
  "@context": "https://schema.org",
  "@type": "Article",
  "datePublished": "2026-09-02T10:15:00+08:00",
  "dateModified": "2026-11-18T09:20:00+08:00"
}

还有一个细节经常被忽略:如果你在页面上同时输出了 Article 和 BlogPosting 两套结构化数据(插件一套、主题一套),引擎会看到两个互相矛盾的 dateModified,这时它通常谁也不信。检查方法是看页面源码里 type 出现了几次,超过一次就得删掉一份。

Last-Modified 与 If-Modified-Since:省流量和省重抓是两件事

响应头里的 Last-Modified 经常被人当成「更新时间的声明」,其实它的本职不是这个,而是让客户端做条件请求。这里有个容易混淆的地方值得说清楚:动态页面如果每次请求都返回 200 和完整正文,哪怕正文一模一样,引擎每次抓取都要重新解析一遍;而如果它能带着 If-Modified-Since 来问一句,你回一个 304,这次抓取的成本就低得多。

很多 PHP 框架默认不发 Last-Modified,于是每篇文章每次被抓都是完整传输。加上去并不难,关键是要用「真实的最后修改时间」,而不是当前时间:

$mtime = strtotime($post['updated_at']);
header('Last-Modified: ' . gmdate('D, d M Y H:i:s', $mtime) . ' GMT');
$ims = isset($_SERVER['HTTP_IF_MODIFIED_SINCE']) ? strtotime($_SERVER['HTTP_IF_MODIFIED_SINCE']) : 0;
if ($ims >= $mtime) {
    http_response_code(304);
    exit;
}

这里有个必须记住的前提:带登录态或者含个性化内容的页面,绝对不能这么做。304 会让浏览器用本地那份缓存,用户切换账号后就可能看到别人的内容。所以条件请求只给文章详情页这类公开、静态性强的页面用,并且响应里明确写 private 或要求中间层不要缓存。

另外,Last-Modified 只精确到秒,同一秒内的两次修改它分辨不出来,所以它只能作为粗粒度的信号,精确判断还得靠正文哈希或者 ETag。两者一起用不冲突:Last-Modified 让流程走得更省,ETag 让判断更准。

真正能推动「时间与内容」一起更新的做法

说了这么多取数逻辑,回到站长最关心的那件事:我怎么让一篇旧文重新被当成「新的、有用的」?答案不是改日期,而是让内容真的变了。我在自己站上验证过几次,下面这些动作是真的会让引擎重新评估的。

第一,补上时效性段落。旧文里加一节「2026 年的变化」,具体写清哪些做法变了、哪些坑还在。这种增补会让正文指纹明显变化,读者也确实受益。第二,修掉文中的失效链接、过时截图、已停用的命令行参数——这些是旧技术文最常见的「隐蔽过时」。第三,把标题里已经过时的说法改掉,比如把「2024 版」改成不写年份,或者更新到当前版本。

这三件事做完,再如实更新 updated_at 与结构化数据,索引页上的时间变化就是水到渠成的。反过来,如果只改日期不改内容,最好的结果是引擎不理你,最坏的结果是它认为这个页面在刷时间,反而降低对整站的信任——这种损失看不见,但恢复很慢。

最后给一个自查清单,每个月花五分钟过一遍:全站是否有页面的 dateModified 晚于当前时间(时区写错)、是否有页面的 datePublished 在 dateModified 之后(逻辑写反)、是否全站有大批页面共享同一个修改时间(mtime 被批量刷新)、更新时间的显示是否和结构化数据一致、有没有页面同时输出两套结构化数据。这五条里出任何一条,你看到的「时间不准」都能解释得通,而且修起来都不难。

Last modification:November 20th, 2026 at 01:29 pm

Leave a Comment