同一篇稿子，可能在自有站点、授权转载方、聚合平台，甚至几个镜像域名上同时存在。结果就是搜索结果里冒出好几个入口，用户点进去看到的正文几乎一样。这是做收录时很常见的一种“分散”。要处理它，先得理解搜索引擎在几个版本之间更倾向保留哪一版。

判断主版本时，通常会参考哪些信号

没有公开的固定权重，但下面几类信息在多数情况下都会被用到：

• 首次出现的时间：同一段内容，先被发现的那一版往往更容易被当作原始出处。
• 指向它的链接：外部链接、站内推荐、转载时保留的来源链接，都算一种投票。
• URL 与站点的稳定性：协议、主机名、路径写法统一，可正常抓取的站点，判断成本更低。
• 内容完整度：正文齐全、有作者和发布时间、配图可访问的那一版，通常比残缺副本更占优。
• 站点整体质量：如果同一站点里低价值页面占比很高，它的版本被保留的概率也会受影响。

这些信号是综合看的，所以“谁先发谁一定赢”并不成立，只能在方向上争取，而不是精确控制。

站点能主动做的收敛动作

与其等搜索引擎去猜，不如先把明显的重复路口收掉。

授权转载

• 原作者与转载方约定时间差，转载方延后发布，避免同一时刻两处齐发。
• 转载页在 head 里用 canonical 指向原文 URL，前提是两边地址都长期稳定。
• 正文保留来源与原文链接，转载方不要把这行删掉。
• 同一篇稿子不要在转载方站内再衍生出多个可索引版本，例如分享用的带参数链接。

站内的副本

• 聚合页、标签页、打印页这类系统生成的副本，判断价值不高时可以让它们不进索引。
• 分页内容尽量不要把每一页都当成一篇独立文章来处理。
• 同一份内容不要同时挂在子域名和主域名两套路径下，否则等于自己和自己竞争。

发出信号之后，看什么数据

收敛动作做完并不等于立刻生效，重复内容的判定会随着新一轮抓取重新评估，观察几周比较现实。

• 用标题片段或站内搜索查，看结果里保留的是哪个域名、哪个 URL。
• 看抓取日志，副本站点的蜘蛛来访频次是否在下降。
• 看自己站点的索引状态，目标 URL 有没有被替换成别的版本。
• 看这部分页面的点击入口是否集中到了主版本上。

重复内容处理的目标不是“只剩一个 URL 才叫干净”，而是让用户和搜索引擎都能明确知道，哪一版是长期维护的主版本。

容易走偏的几个做法

• 直接屏蔽所有转载方的抓取，短期看似干净，却也丢掉了外部链接和曝光机会。
• 把 canonical 随便指向一个内容不相干的页面，这种信号通常会被忽略。
• 自家多个域名互相 canonical，形成循环，等于没有指定。
• 只有主站做了规范，转载方照旧各自生成副本，收敛效果会打折扣。

把这几个环节理顺之后，同一篇内容的多个入口会慢慢收拢，剩下的工作就是定期抽查：主版本是否还稳定可抓取，副本站的重复是否又长出来了。