站内寫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。過一段時間查索引，發現只收了一两篇，或者收下的那篇並不是你想主推的。這通常不是搜尋引擎漏了，而是它在做收敛和選擇。
先分清是哪種“像”
笼统说“重复内容”没什么意义，處理方式的差別很大。可以先分成四類看。
- 完全重复：采集、镜像、带參數的同一頁面，正文几乎一字不差。
- 主体相同、外壳不同：同一篇内容出現在两個栏目，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，或者從不同角度解讀同一件事。
- 列表頁與詳情頁：聚合頁把几篇文章摘要拼在一起，和原文重合度很高。
收錄阶段實际會發生什么
這几類頁面通常都會被蜘蛛抓到，抓取的门槛並不高，内鏈和 sitemap 都能把它們交出去。真正出現分化的是索引环节。
搜尋引擎會判断這一组 URL 是不是在讲同一件事。如果是，它倾向于選一個代表放進索引，其余的要么不進，要么進去之後長期得不到展示机會。選谁没有公開公式，通常參考這几方面：
- 哪個 URL 更早被發現、站内有更多連結指向它；
- 哪個頁面正文更完整、更贴近搜尋意图；
- canonical、sitemap、内鏈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，被索引也不等于被選中展示。相似頁面的問题，更多出在“選擇”這一步，而不是“發現”這一步。
该合並還是该分開
判断标准不是文字重复率，而是搜尋意图。
- 两篇回答的是同一個問题、面向同一批搜尋词，讀者看完任意一篇就够了，更适合合並，留一個主 URL，另一個做 301。
- 两篇分別解决不同問题，只是共享了背景段落，可以都留，但要把重合的正文压下去，让各自的獨立内容成為主体。
- 同一内容确實需要多個入口（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。
建议的處理顺序
- 先把候選 URL 列出来，记錄各自的正文主体（去掉導航、推荐、评论後的部分）和主要内鏈来源。
- 判断搜尋意图是否重合。重合度高、單獨看没有獨立價值的，考虑合並。
- 合並时優先選已经有外鏈、有内鏈、被抓更频繁的那個 URL 作為保留版本，其余 301 過去。
- 需要都保留的，改寫重合段落，补上各自獨有的部分，不要只改标题和開头。
- canonical 只用在真正相同的頁面上，別用它把内容不同的頁面硬指到一處。
- 改完更新 sitemap 和内鏈，让站内連結尽量指向保留版本。
几個常见的坑
- 只改标题和描述，正文照舊，搜尋引擎看到的還是同一份内容。
- 用 canonical 指向一個内容明顯不同的頁面，声明和實际不一致，容易失效。
- 一次性给一批頁面加 noindex，其中有些本来能带来流量，動手前先看資料。
- 合並後舊 URL 直接返回 404，没有 301，已有的連結和權重都断了。
改完怎么观察
不要指望当天就有變化。合並和收敛需要等搜尋引擎重新抓取、重新评估，几周到几個月都算正常。
可以關注這些信号：保留版本的抓取频率有没有上升、索引里那几個重复 URL 是否逐渐减少、站内搜尋或外鏈是否仍指向舊地址（需要补 301）。如果只是“收錄數量變少”，但保留版本表現稳定，這往往就是预期结果。
相似頁面本身不算错誤，問题在于同一件事被拆成很多 URL，却始终没有明确的主次。先把主次關系理顺，比反复提交 sitemap 更有用。