2026 年多语言网络现状报告

有翻译，却往往没有完整的本地化。

此次抓取最明确的发现，不只是直接核实存在多语言内容的网站在可分类的主要网站中占少数，更在于发布另一种语言的内容仅仅是实施工作的第一步。URL 结构、语言标注、元数据、可抓取性和页面层面的一致性，往往都落后于正文内容的翻译。

主流网站的多语言化程度如何？

在 GlotEO 基于 Tranco 构建的样本中，成功完成分析且可分类的主流网站里，有 26.3%（5,845 / 22,185）在静态 HTML 冻结快照中具有经直接验证的多语言内容。“已确认”的标准不止是存在语言下拉菜单、lang 属性或 hreflang 标签：爬虫必须抓取到至少一个替代 URL，其主要内容的语言与首页不同，且两个页面的正文均须包含至少 200 个字母。

这一定义刻意提高了确认门槛，而非仅仅检测国际化 SEO 标记。它将“网站声明提供另一种语言或地区版本”与“我们实际抓取到了另一种语言的实质性内容”区分开来。

分母的选择很重要。在全部 25,005 个成功分析的网站中，有 2,820 个被归为不确定。GlotEO 将它们保留为独立类别，而不是强行归为单语言网站。以全部成功分析的网站为分母，已确认网站占 23.4%（5,845 / 25,005），很可能为多语言的网站占 14.4%，单语言网站占 50.9%，不确定网站占 11.3%。

将已确认与很可能为多语言的网站合并后，次要的敏感性分析指标为 42.6%（9,448 / 22,185）。这一指标有助于了解那些具有强烈多语言发现信号、但未抓取到符合条件的替代页面的网站；它并非核心采用率指标。

最知名的网站更有可能提供多语言内容

在 Tranco 前 1,000 名组的可分类网站中，已确认具有多语言内容的网站占 40.1%（192 / 479）。这一比例在第 1,001–10,000 名组降至 30.4%，在第 10,001–25,000 名组降至 27.6%，在 25k+ 组降至 22.0%（1,845 / 8,394）。

这一趋势经受住了一项重要的合理性检验：随着排名降低，抓取成功率实际上有所上升，从前 1,000 名尝试抓取域名中的 53.6%，升至 25k+ 尝试抓取组中的 63.3%。换言之，采用率的梯度变化并不能简单归因于爬虫在排名较低的域名上更容易抓取失败。

25k+ 样本因数量上限而被截断：达到成功分析数量上限时，仍有 2,351 个候选域名尚未处理。应将其视为已分析样本的组内结果，而不是对长尾网站的完整普查。

网站声明的语言，不一定都能被爬虫验证

对于已确认的多语言网站，本研究区分了两种语言概念。观测到的语言来自实际抓取页面的主要内容。声明的语言来自 hreflang 标注。这一区分很重要，因为标签可能声明了有限抓取未能触及的语言，而爬虫也可能发现未在 hreflang 中声明的其他语言页面。

在 5,845 个已确认的多语言网站中，观测到的语言数量中位数为 3，平均数为 3.13。近一半网站（46.8%）恰好观测到两种语言。另有 16.1% 观测到三种，14.1% 观测到四种，23.0% 达到了研究工具所能观测的上限——五种语言。

声明语言与观测语言的对比说明了为何单一信号并不足够。在已确认网站中，38.7%（2,262 / 5,845）的声明语言数量多于观测数量，34.1%（1,991 / 5,845）的观测数量多于声明数量。另有 27.2% 的网站两项计数均为正数且相等。

此外，30.5%（1,780 / 5,845）的已确认网站在本研究基于 hreflang 生成的字段中，声明语言数量为零，尽管爬虫已经验证了其他语言的主要内容。这也从另一个角度揭示了发布译文与通过机器可读标记明确描述语言或地区版本间关系之间的差距。

还有一项指标尤其需要谨慎表述：40.4% 的已确认网站至少有一个声明的语言代码，未出现在已抓取正文的语言集合中。这并不证明这些网站虚假声明提供了翻译。五页抓取范围之外的页面完全可能包含所声明的语言。能够得出的有效结论更为有限：hreflang 声明与对实质性页面内容的有限抓取，描述的是系统的不同部分。

对网站运营者而言，这意味着需要分别检查两个质量问题。第一：爬虫能否访问到您计划发布的每种语言的实质性内容页面？第二：您的机器可读语言或地区标注，是否准确建立了这些页面之间的对应关系？通过其中一项检查，并不保证能通过另一项。

子目录占主导，但多语言 URL 架构仍然多样

在 5,845 个已确认的多语言网站中，51.6%（3,015 个）以子目录作为主要观测到的 URL 模式。其次是混合实现，占 17.9%；随后依次为未知模式（13.0%）、子域名（8.6%）和国家及地区代码顶级域名（ccTLD，占 8.3%）。基于参数的本地化较少见，占 0.5%；使用同一 URL 的本地化则更少，仅占 0.1%。

这反映的是使用普及程度，而不是 SEO 优劣排名。子目录在样本中很常见，但本研究并未检验子目录的表现是否优于子域名或 ccTLD。

外部指南：Google 搜索中心 — 管理多地区和多语言网站 ↗。

hreflang 的缺口：有译文，不代表有机器可读的语言版本映射

在已确认的多语言网站中，69.7%（4,076 / 5,845）使用了 hreflang。这意味着，30.3%（1,769 / 5,845）的网站虽有 GlotEO 实际抓取到的其他语言主要内容，却未在 HTML、HTTP Link 标头或站点地图 XHTML 中检测到 hreflang。

这一区别很重要，因为 hreflang 是一种标注，而不是翻译检测工具。有 hreflang，并不能证明网站存在实质性的其他语言内容；没有 hreflang，也不能证明网站缺少译文。本研究对这两项分别进行了测量。

在已确认且使用 hreflang 的网站中，多数技术检查项的表现相对良好。在这 4,076 个网站中，86.8% 使用了有效的语言代码，98.2% 使用了绝对 URL，91.1% 包含自引用标注，96.0% 在适用情况下将标注放在 HTML head 中；在适用双向标注检查的 4,006 个案例中，86.6% 具有双向标注。

总体而言，72.2%（2,944 / 4,076）通过了本研究测量的所有适用检查项（不含 x-default）。在已确认且使用 hreflang 的网站中，65.2% 使用了 x-default；但本研究将是否使用它视为覆盖范围的选择，而不会仅因缺少它就判定不符合规范。

外部指南：Google 搜索中心 — 告知 Google 网页的本地化版本 ↗。

最大的短板，出现在正文翻译之外

网站被确认为多语言网站后，接下来要看的是实施是否完整。GlotEO 的分项分析显示，一些结构性信号较为常见，但面向搜索的元数据、结构化数据和站点地图中的其他语言版本标注，完整程度则低得多。

语言导航也说明了“发现其他语言内容”与“界面提供常规语言选择器”并不是一回事。在已确认的网站中，33.0%（1,927 / 5,845）检测到了可抓取的语言选择链接，1.3% 检测到了仅通过 JS 实现的选择器，65.8% 未检测到选择器。最后这一比例不应被解读为用户体验不合格率：爬虫可以通过其他途径确认其他语言内容的存在。

语言选择器很有用，但不能证明已完成本地化

语言选择器是一种导航机制。这听起来显而易见，却是研究中必须明确的重要区别。下拉菜单可以列出十种语言，但爬虫未必能验证存在实质性的其他语言内容；反过来，多语言网站也可能通过导航、站点地图或语言/地区 URL 模式提供其他语言页面，而不在采样的 HTML 中呈现常规选择器。因此，分类器从未仅凭选择器就确认网站为多语言网站。

同样的原则也适用于 hreflang、ccTLD 和 html lang。它们都是有用的信号，但都不等于内容本身。本研究采用了更严格的确认标准，即抓取到具有实质内容的其他语言正文，目的就是避免将标记的普及程度误当成多语言采用情况，导致数据虚高。

自动重定向可能隐藏其他版本的访问路径

在已确认的网站中，15.5% 检测到了语言/地区自动重定向。GlotEO 没有尝试通过伪装语言偏好来绕过这些重定向，爬虫也未发送 Accept-Language 标头。这一点很重要：根据请求上下文选择语言/地区版本的网站，与每种语言都有独立可访问 URL 的网站相比，爬虫能够访问到的内容范围可能不同。

Google 也另行建议让用户能够在不同语言版本之间切换，并提醒自动重定向可能导致用户和搜索引擎无法查看所有版本。本研究并未衡量重定向对排名的影响，仅记录了这种行为在已确认多语言网站样本中的出现频率。

结构化数据与站点地图的本地化仍不充分

在已确认的网站中，仅 19.2%（1,125 / 5,845）在本研究的 inLanguage 结构化数据分项中获得满分，仅 11.9%（693 / 5,845）在站点地图 XHTML 其他语言版本标注分项中获得满分。这些并不是所有多语言网站都必须满足的要求，因此不应将较低的采用率直接视为“错误率”。更准确地说，它们是额外的机器可读信息层，而样本中完整使用这些信息层的已确认网站相对较少。

综合来看，这些结果解释了为什么多语言审计很容易被过度简化。团队可以正确翻译主要内容，发布结构清晰的语言/地区 URL，并维护完善的规范网址（canonical）设置，但仍在元数据、站点地图、结构化数据或语言导航方面留下缺口。反过来，网站的标记也可能很完善，而翻译页面本身仍不完整。有价值的审计需要同时检查内容及其配套实施。

GlotEO Multilingual Web Score 显示，网站实施水平差异显著

GlotEO Multilingual Web Score（GMWS）是一项 0–100 分的实施完整度指数，仅针对 5,845 个已确认的多语言网站计算。它不是 Google 排名因素，不是 E-E-A-T 评分，也不是对整个互联网的评分。

已确认多语言网站的得分中位数为 75，平均值为 67.1，第 25 百分位数为 50，第 75 百分位数为 83。该分布存在明显的左尾：15.0% 的已确认网站得分为 20–39 分，而另有 36.6% 的网站得分为 80–100 分。

这一评分的价值在于各项组成指标均已公开，而非隐藏不明。根据定义，已确认的其他语言版本内容这一项为 100%。在已确认的网站中，可抓取的独立 URL 这一项获满分的比例为 86.4%，canonical 与 hreflang 一致性为 82.3%，HTML 语言匹配为 86.4%，URL 路径名翻译为 69.0%。相比之下，标题和元数据本地化为 11.6%，站点地图中的 XHTML 其他语言版本声明为 11.9%，inLanguage 结构化数据为 19.2%。

JavaScript 改变了数百个网站的分类，但未改变保留一位小数的核心结果

静态 HTML 冻结数据有意不渲染 JavaScript。它将 889 个分析成功的网站标记为 js_required：其中 768 个为不确定，121 个为疑似多语言。在静态冻结数据中，这些网站均未被归为已确认多语言或单语言，因为其高度依赖脚本的页面框架使常规分类器无法获取足够的实质文本来作出这些判断。

一次有针对性的 Chromium 渲染仅覆盖了这 889 个网站。其中 858 个渲染成功，31 个渲染失败的网站保留原分类。在此前的 768 个不确定网站中，66 个变为已确认多语言，48 个变为疑似多语言，412 个变为单语言，242 个仍为不确定。在 121 个疑似多语言网站中，51 个变为已确认多语言，67 个仍为疑似多语言，3 个变为不确定。

仅用这 889 个结果更新对应记录，并保持其余 24,116 条分析成功的记录不变后，已确认多语言网站从 5,845 个增至 5,962 个（+117），不确定网站从 2,820 个降至 2,297 个（−523）。然而，在排除不确定项后的分析成功记录中，仅计已确认多语言的比例保留一位小数后仍为 26.3%：5,962 / 22,708。

26.3% 这一估计值有多稳健？

主要结果仍是已冻结的静态 HTML 估计值：在可分类且分析成功的记录中，已确认多语言的比例为 26.3%（5,845 / 22,185）。随后，我们检验了方法中最可能影响分类的两个部分：依赖 JavaScript 的网站，以及一组依赖约鲁巴语（yo）或他加禄语（tl）检测结果的分类。

两项定向分析均未改变核心结论。经 JavaScript 调整后的结果仍为 26.3%（5,962 / 22,708）。对依赖约鲁巴语／他加禄语识别结果的分类应用更严格的其他语言版本页面规则后，得到的敏感性估计值为 25.5%（5,647 / 22,165）。合并这两项定向调整后，结果为 25.4%（5,764 / 22,688）。

这些是敏感性分析，并非用于替代已冻结的主要结果。它们也不是四次独立的抓取：静态冻结数据保持不变，两项定向更新仅重新评估了各自检验范围内的记录。

查看敏感性分析的底层数据 →

采用更严格的规则后，有何变化？

语言识别定向更新仅检验了 242 条记录：这些记录的多语言分类依赖于 lingua 代码 yo（约鲁巴语）或 tl（他加禄语），且它们是检测结果中唯一不同的语言。其中包括冻结数据中的 228 个已确认多语言网站，以及 14 个疑似多语言网站。此次检验使用已保存的 HTML，未进行任何实时抓取，也未重新抓取包含 25,005 个网站的数据集。wikipedia.org 未被纳入这 242 条依赖记录，因为其已确认多语言分类并不依赖于首页语言被识别为 tl 的结果。

在此次定向更新下，已确认多语言网站从 5,845 个变为 5,647 个（−198）。相应的可分类样本数（分母）为 22,165，因此敏感性估计值为 25.5%（5,647 / 22,165）。该数值并非核心结果。

剔除重复的网站通用界面内容后，在 217 / 242 条记录中，检测到的语言仍包含 yo 或 tl。只有 25 / 242 条记录中的这些语言代码完全消失。因此，大多数分类变化并不是因为语言检测器不再将内容识别为约鲁巴语或他加禄语，而是源于更严格的替代页面判定规则：只有当 yo 或 tl 替代页面的 URL 确实对应某个语言区域版本、语言版本或市场版本时，才将其计为多语言证据，而不是仅因另一个 URL 的文本被检测为其他语言就将其计入。在仍被归为“已确认”的记录中，有 30 条在剔除通用界面内容后，首页端仍保留 yo/tl。

这表明，主要问题并不只是语言检测器将页面误判为约鲁巴语或他加禄语。在许多情况下，移除模板化内容后，原先检测到的语言依然存在。更大的变化来自一个更严格的问题：替代 URL 是否确实对应网站的本地化版本？事实表明，除了语言识别本身，替代页面的等价性也是分类不确定性的重要来源。这一解读仅适用于本次针对性分析，并不代表分类器的总体错误率。

一项独立的 AI 辅助复核确认，相关计算成立；但这并非以人工标注为金标准的验证研究。敏感性分析所得数值不替代已固定的主要结果。

已知分类案例

以下案例展示了敏感性分析实际改变了哪些分类。它们用于说明本研究工具如何处理特定域名，而不是评价相关机构在全球范围内的语言项目。

这项研究能告诉你什么，又不能告诉你什么

如果把大型网络研究中的注意事项当成法律条款式的小字说明，其实用价值就会降低。多项局限会实质影响这些数据的使用方式，因此应将它们纳入结果解读，而不是藏在页面底部。

本研究面向 Tranco 排名中的主要网站，而非所有网站

研究的来源总体为 Tranco 榜单 46W9X。Tranco 旨在为研究提供热门域名排名，因此样本有意偏向知名网站，而非互联网上数以百万计的小型、不活跃或访问量极低的域名。准确的表述应针对本样本中成功完成分析的主要网站，而不是“整个网络的 26.3%”。

被排除的域名反映的是基础设施层面的结果，并不代表单语言网站

爬虫尝试抓取了 40,457 个独立域名，并成功分析了其中的 25,005 个。其余 15,452 个因 DNS 解析失败、robots 响应、HTTP 错误、访问限制、验证码等原因被排除。这些域名从未被计为单语言观测记录。将无法访问的网站视为单语言网站，会使结果产生显著偏差。

“已确认”衡量的是能否发现其他语言内容，而非翻译质量

被归为“已确认”的网站通过了一项刻意采用机械判定方式的内容测试：爬虫获取到了与首页语言不同、具有实质意义的主要内容。本研究未评估语言流畅度、文化适应性、术语质量、转化表现或人工翻译准确性。一个网站在技术上可以被确认为多语言网站，却仍存在劣质翻译；同样，它也可能在爬虫未访问的区域提供出色的本地化内容。

每个域名最多抓取五个内容页面

设置页面上限，既能让涵盖 25,000 个域名的研究在计算资源上可行，也能防止大型网站占据过多抓取资源。代价是语料覆盖不完整。检测到的语言、混合语言发现、元数据检查及其他页面级指标，只描述有限页面样本中出现的情况，不一定代表该域名下的所有 URL。

JavaScript 仅接受了选择性测试，而非全面测试

静态数据定版时未使用浏览器渲染。后续 Chromium 处理针对的是 889 条已成功分析、且明确标记为需要 JavaScript 的记录。针对这些记录测试，确实能检验这一明显的分类缺口，但并不能据此确定：如果对全部 25,005 条成功记录使用浏览器渲染重新抓取，会得到怎样的结果。

语言识别与替代页面等价性判断可能出现边界情况

语言识别与替代页面等价性判断均采用自动分类，因此可能出现边界情况，尤其是在内容简短、模板化内容占比较高或形式不常规的页面上。一项针对约鲁巴语和他加禄语的敏感性分析，在采用更严格的替代页面规则后，将已确认多语言网站的估计占比从 26.3% 下调至 25.5%，但未改变总体结论。这项语言识别敏感性复核由 AI 辅助完成，并非以人工标注为金标准的验证研究。

多语言网站评分是研究框架，而非搜索引擎评分

GMWS 通过公开十二个组成项及两个扣分项的透明权重，让不同实现方式更易于比较。这些权重属于 GlotEO 的研究设计，并非由 Google 设计或认可；本研究也未检验该评分与搜索排名、流量或转化之间的关系。

对标你的网站多语言实现

研究在转化为审查思路时最有价值。通过以下清单，你可以将网站的常见实现指标与已确认多语言网站样本进行比较。勾选项目不会生成排名分数，只会记录你的网站已落实哪些实现层面的工作。

团队应如何改进

1. 将翻译和可发现性作为两项独立工作推进。 即使页面已有其他语言版本，也不一定清晰标明了它与对应页面的关系。30.3% 的 hreflang 缺失率恰好说明了这一点。有关本地化 URL 和 hreflang 的实施背景，请参阅多语言 SEO。

2. 质检应覆盖页面框架，而不仅是文章或产品描述。 在已确认的网站中，39.4% 被检测出存在语言混杂的未翻译文本。即使主体翻译完整，导航、页脚文本、表单和模板仍可能影响整体效果。

3. 将元数据纳入本地化工作流程。 标题和元数据项的满分率仅为 11.6%，是评分中最明显的高权重实施短板。面向搜索引擎的元数据不应留到最后才考虑。

4. 为每个语言区域版本提供稳定的访问地址。 研究发现，已确认的网站普遍使用独立且可抓取的 URL；Google 也另行建议使用独立 URL，而非仅依赖根据语言区域自适应的内容。

5. 在审计中明确呈现不确定性。 本研究未将无法分类的网站归为“单语言”。您在自行审计时，也应同样谨慎地处理 JavaScript 页面外壳、地理位置自适应、身份验证和爬虫访问等问题。

研究如何开展

本研究是一项观察性研究，研究对象为 Tranco 排名样本中的主要网站，并非对所有已注册域名的随机抽样，也不是客户数据集。

分类规则

已确认：爬虫抓取到了主体内容语言与首页不同的替代语言版本 URL，且两个页面的主体内容均至少包含 200 个字母。

很可能：网站呈现出明确的多语言发现信号，例如 hreflang、带有语言区域特征的 URL，或指向其他路径的选择器，但爬虫未抓取到符合条件的替代语言版本页面。

单语言：已分析首页，未抓取到符合条件的替代语言版本页面，也未检测到明确的多语言发现信号组合。

不确定：证据相互矛盾或不足。“不确定”类别始终明确保留，从未被悄然改归为“单语言”。

哪些属于冻结数据，哪些属于叠加分析

Tranco 来源列表：46W9X ↗。本页其他位置的 Google 链接均标注为外部指南，未混入 GlotEO 结果表中。