很多站点的草稿、预览、测试页面并不是因为被谁刻意发布才出现在搜索结果里，而是发布流程中留下的临时链接被外部拿到，或者测试环境没有做任何访问限制。这些页面往往内容不完整、标题重复、图片缺失，一旦被搜索引擎发现，既占用了抓取资源，也可能和正式页面争抢同一批关键词。
草稿页通常从哪里漏出去
先别急着改代码，先想清楚这些地址是怎么产生的。常见来源大致有这几类：
- CMS 自动生成的预览地址，通常带 token、post_id 之类的参数，复制粘贴就能访问；
- 未发布的文章固定链接仍然可以打开，只是没有入口，很多人以为这样就等于不存在；
- 测试域名或 staging 子域没有做登录限制，且内容和主站一致；
- 上传目录、导出文件、备份压缩包放在可以直接访问的路径下；
- 编辑把预览链接发给外部同事或客户，链接被转发、被复制，最终被别人抓到。
前两类属于自己站点的问题，后三类则往往和访问权限、目录规划有关，处理方式不太一样。
先确认哪些地址真的在外面
只凭印象判断容易漏项，建议按下面几步过一遍：
- 在搜索引擎里用 site: 加自己的域名，再搭配草稿相关的路径关键词，看看有没有不该出现的页面（自己查即可，不要反复刷）；
- 翻服务器访问日志，找那些本该没人访问的路径，留意是否有搜索引擎爬虫的 UA 来过；
- 检查 sitemap 与站内链接，确认没有把草稿地址写进去；
- 检查 robots.txt，尤其是不允许抓取的目录列表，确认没有把整个测试目录误写进允许范围；
- 用无痕窗口访问这些地址，确认是否需要登录或密码。
处理方式按页面去留分三类
已经不需要的页面
如果草稿内容确定不会再发布，最干净的做法是让服务器直接返回 404，并确认文件已经真正删除，而不是只把链接从导航里拿掉。页面还在、只是没有入口，对爬虫来说仍然是可访问的。
还需要继续编辑的页面
这类页面建议加 noindex 标记，同时限制访问。这里有个顺序问题：noindex 需要页面能被正常抓取到才能被读到，如果 robots.txt 直接把整个目录 Disallow，爬虫拿不到 noindex，地址仍然可能以纯 URL 的形式出现在结果里。所以更稳妥的顺序是先允许抓取、让页面返回 noindex，等确认不再出现后，再考虑是否收紧抓取范围。
预览链接已经变成正式内容
如果预览地址对应的内容最终正式发布了，把预览地址 301 到正式地址，同时更新 sitemap 和内链，避免旧地址继续被访问到一份过时版本。
几个容易忽略的坑
- 密码保护不等于不会被看到。加了密码的页面，URL 和标题仍有可能被记录下来，只是用户点进去看不到正文。
- 带 token 的预览链接等同于公开地址。一旦被转发出去，token 就不再是保护措施。
- 测试域名的风险比单个草稿页大得多。整站副本如果都没有 noindex，等于凭空多出一套重复内容。
- 备份文件和导出的数据库放在可访问目录下，风险比草稿页更高，发现后应第一时间移除并更换相关凭据。
- 站内搜索结果页、标签聚合页有时会自动把草稿标题拼进去，这类间接泄露容易被忽略。
把检查放进日常流程
- 发布前确认预览链接的访问范围，能设置有效期就设置；
- 每次批量导入、改版或迁移后，跑一遍站点地址清单，而不是只看首页；
- 定期翻日志中的异常路径，重点关注来自外部的访问；
- 把“临时链接怎么处理、谁负责收尾”写进编辑规范，避免每次靠人记得。
草稿页的问题通常不在于技术有多复杂，而在于发布流程里没人负责收尾。
把上面几项做成一份简单的清单，每个月抽半小时过一遍，比起事后到处找原因要省事得多。