404: Pagina nu a fost gasita, insa nimeni nu trimite spre ea.

Salutare,
de o saptamana ma confrunt cu o eroare tare ciudata in GWT.
Toate paginile unui site mi-au aparut in GWT la erori 404 insa in felul urmator:
pagina reala: domeniu.com/articol.html
eroare semnalata in GWT cu 404: domeniu.com/articol.html%3C/loc%3E

Mai exact toate paginile site-ului au aceasta terminatie dupa terminatia .html: %3C/loc%3E.
Nu ar fi o problema lucrul asta daca in GWT as primi si pagina sau paginile care trimit spre aceste pagini eronate, insa se pare ca Google nu a gasit pagina care trimite spre aceste pagini eroanate, insa nu stiu cum a gasit/generat paginile respective.

Am uplodat si un prt. scr. pentru cei care au bunavointa sa arunce o privire.
Ceva sugestii?
Ataşament 3671

Retii data aparitiei, selectezi tot si marchezi ca remediate. Verifici peste vreo doua saptamani sa vezi daca reapar.
In aceeasi perioada mi-a readus si mie in wmt niste erori pe care le eliminasem in urma cu doi ani, generate de un modul pe care nu il mai folosesc de mult, fiind sters efectiv de pe site (hana flv player).
Creeaza impresia ca au inceput sa-si dea cu stangul in dreptul si au refacut o parte din baza de date din arhive, altfel nu-mi pot explica.

Multumesc pentru indrumare Mishu,
Ceea ce pot sa spun este ca am facut in urma cu 3-4 zile treaba asta, dupa care astazi observ ca au reaparut din nou...

Link-ul poate sa-l fi gasit pe site-ul tau sau pe altul, n-are importanta. In ambele cazuri a fost (sau este) o eroare html, un <li> e preluat accidental in uri (ghilimelele sunt puse un pic mai incolo) si te-ai trezit cu %3cli%3e in coada.

Odata gasit de Google, ti-l va cauta si dupa 2, 3, 4, n ani.

Solutia e sa-i faci un redirect. Cu siguranta, din pagina cu eroarea pot sa fi aparut mai multe asemenea minunatii.

Erorile sunt de pe 14. Urmareste daca apar cu alta data, eventual daca apare "cu trimitere de la". Altceva nu prea vad ce sa faci...
Nu cred ca are rost sa pui in htacces redirect general de la .html%3C/loc%3E la .html daca erorile nu au fost generate de structura site-ului si daca nu sunt in indexul Google.
Si am uitat, verifica sa nu ai probleme la sitemap...

LE
Nu stiu daca cineva de pe forum a facut teste cu 410 default in loc de 404.

Problema este ca efectiv toate paginile site-ului au aceasta "eroare", in GWT imi apar toate de la paginile de categorie, cuvinte cheie, post, tot.
Si asa din senin, mai exact din data de 10. Eu nu retin macar sa fi efectuat ceva modificari in data de 10, insa stiu sigur ca in data de 11 (seara) am efectuat anumite modificari, insa am creat niste functii, nu mare lucru.
Sitemap-ul meu are 10k de link-uri. Deci in curand ma gandesc ca o sa am 10k de erori de genu asta, asa aiurea...

Va las si voua un link, poate gasiti voi ceva, eu de o sapt nu mai stiu ce sa mai fac sa dispara erorile alea ca imi stau pe creer :)
friv-games[dot]com/sitemap.xml

Citat:

---

Postat în original de Revers

Am o problema asemantoare, la mine problema este ca am folosit wordpress un timp iar acum am trecut pe un script PHP, link-urile de pe wordpress nu mai sunt valabile insa tot indexate sunt :( in cat timp le va sterge google daca eu folosesc domeniul in continuare ? ma afecteza asta cu ceva ?

---

Ai fi putut incepe cu asta cand ai expus problema. Pe toate url inexistente deja indexate vei avea 404, e normal.

Ideal ar fi fost sa pastrezi structura urla anterioara. Cauta un coder sa-ti faca redirect din .htaccess daca exista un pattern. Daca nu, faci manual la fiecare si/sau astepti.

Ceea ce a zis Floki aplica pe sitemap.
Se potriveste la fix, doar ca nu e vorba de <li> ci de <loc>!

Explicatia e simpla:
a). intr-un fel sau altul, intr-o anume zi au fost generate acele pagini si google le-a si prins (cel mai probabil)
b). cineva a linkuit catre acele pagini din alt site (uneori mai apar la linked from)
Ce poti face:
Ruleaza un xenu (nelogat in site) sa vezi daca inca mai sunt generate.
Banuiesc ca nu, situatie in care ii spui ca e rezolvat.
Daca ai noroc sa gasesti la vreuna si "linked from" altsite. ro si acel site e ok, ii faci un redirect 301 catre pagina corecta.
Daca linkeaza vreun site extern dubios, il notezi si ii dai in cap in google disavow.
Verifica sa nu ai deja pagini de felul asta indexate deja, situatie cand e ok 301.

M-am uitat sa vad daca primesc link-uri externe spre o astfel de pagina de a mea cu "%3C/loc%3E", insa nu primesc.
Oricum, era imposibil sa primesc 10k de link-uri de la cineva pe astfel de pagini eronate.

Deci dupa mine eroarea asta e facuta de site-ul meu, sau de googlebot care nu reuseste sa indexeze ceva cum trebuie.
Nu inteleg ce vrei sa zici cu asta "Ruleaza un xenu (nelogat in site) sa vezi daca inca mai sunt generate." Nu stiu ce inseamna xenu.

Find broken links on your site with Xenu's Link Sleuth (TM)

Citat:

---

Postat în original de Spiry

eroarea asta e facuta de site-ul meu, sau de googlebot care nu reuseste sa indexeze ceva cum trebuie

---

Ti-a spus Mishu mai sus (gresisem eu <li> in loc de <loc>): eroarea e 99% de la un sitemap din trecut intocmit incorect (1% pentru ca <loc> ai putea folosi si in HTML). Chiar daca l-ai corectat intre timp, ti l-a indexat odata si acum ai un "cazier" care nu prea se prescrie. Ori redirectezi ori le lasi 404. 404 e ceva normal pentru un site.

Tks de ajutor.
De ce nelogat: daca intri pe un 404 raportat de xenu, poti intra pe un link activ doar cand esti in admin. Eventual deschizi admin in alt browser.

Da, asa ma gandesc si eu ca e de la un sitemap, insa ceea ce e ciudat e faptul ca deja site-ul e de 1 an online si nu a aparut nimic despre aceasta eroare.
In urma cu 10 zile, asa din senin a descoperit-o Google :)

Intre timp i-am dat start la Xenu, nelogat, dupa cum m-a sfatuit Florin.
Probabil ca daca nu voi gasi nici o solutie o sa fac un redirect de pe erorile acelea spre link-ul corect, mi se pare cea mai buna solutie.