站内写了几篇主题相近的文章，URL 不同、标题不同，但正文有大段重合。过一段时间查索引，发现只收了一两篇，或者收下的那篇并不是你想主推的。这通常不是搜索引擎漏了，而是它在做收敛和选择。
先分清是哪种“像”
笼统说“重复内容”没什么意义，处理方式的差别很大。可以先分成四类看。
- 完全重复：采集、镜像、带参数的同一页面，正文几乎一字不差。
- 主体相同、外壳不同：同一篇内容出现在两个栏目，模板、面包屑、推荐位不一样。
- 主题相近但各有侧重：系列文章的上下篇，或者从不同角度解读同一件事。
- 列表页与详情页：聚合页把几篇文章摘要拼在一起，和原文重合度很高。
收录阶段实际会发生什么
这几类页面通常都会被蜘蛛抓到，抓取的门槛并不高，内链和 sitemap 都能把它们交出去。真正出现分化的是索引环节。
搜索引擎会判断这一组 URL 是不是在讲同一件事。如果是，它倾向于选一个代表放进索引，其余的要么不进，要么进去之后长期得不到展示机会。选谁没有公开公式，通常参考这几方面：
- 哪个 URL 更早被发现、站内有更多链接指向它；
- 哪个页面正文更完整、更贴近搜索意图；
- canonical、sitemap、内链锚文本给出的信号是否一致；
- 站内结构上谁更像“正式入口”。
被抓到不等于被索引，被索引也不等于被选中展示。相似页面的问题，更多出在“选择”这一步，而不是“发现”这一步。
该合并还是该分开
判断标准不是文字重复率，而是搜索意图。
- 两篇回答的是同一个问题、面向同一批搜索词，读者看完任意一篇就够了，更适合合并，留一个主 URL，另一个做 301。
- 两篇分别解决不同问题，只是共享了背景段落，可以都留，但要把重合的正文压下去，让各自的独立内容成为主体。
- 同一内容确实需要多个入口（不同栏目、不同设备），可以用 canonical 指向主版本，前提是内容真的相同。
建议的处理顺序
- 先把候选 URL 列出来，记录各自的正文主体（去掉导航、推荐、评论后的部分）和主要内链来源。
- 判断搜索意图是否重合。重合度高、单独看没有独立价值的，考虑合并。
- 合并时优先选已经有外链、有内链、被抓更频繁的那个 URL 作为保留版本，其余 301 过去。
- 需要都保留的，改写重合段落，补上各自独有的部分，不要只改标题和开头。
- canonical 只用在真正相同的页面上，别用它把内容不同的页面硬指到一处。
- 改完更新 sitemap 和内链，让站内链接尽量指向保留版本。
几个常见的坑
- 只改标题和描述，正文照旧，搜索引擎看到的还是同一份内容。
- 用 canonical 指向一个内容明显不同的页面，声明和实际不一致，容易失效。
- 一次性给一批页面加 noindex，其中有些本来能带来流量，动手前先看数据。
- 合并后旧 URL 直接返回 404，没有 301，已有的链接和权重都断了。
改完怎么观察
不要指望当天就有变化。合并和收敛需要等搜索引擎重新抓取、重新评估，几周到几个月都算正常。
可以关注这些信号：保留版本的抓取频率有没有上升、索引里那几个重复 URL 是否逐渐减少、站内搜索或外链是否仍指向旧地址（需要补 301）。如果只是“收录数量变少”，但保留版本表现稳定，这往往就是预期结果。
相似页面本身不算错误，问题在于同一件事被拆成很多 URL，却始终没有明确的主次。先把主次关系理顺，比反复提交 sitemap 更有用。