做站点运营的人经常会做一件事：用 site 指令看一眼收录数字，再和自己后台的页面总数比一比，发现两边差得离谱，然后开始怀疑站点出了问题。其实这两套数字本来就不是一回事，直接相减没有意义。真正有用的是把差异拆开，看多出来的那部分是什么，少掉的那部分又是什么。
对账前先统一口径
site 查询返回的数字只是估算，会随查询词、地区、时间点波动，不能当成精确的库存表。所以对账之前，先明确自己这边“站内页面”指什么。
- 只算正式域名下的地址，测试环境、预览地址先排除；
- 只算返回 200 且有实际正文内容的 HTML 页面；
- 参数变体、大小写变体、结尾斜杠变体先归到一个主地址上；
- 已下线的旧地址单独列一份，不混进总数。
口径不统一，第一步就会把自己绕进去。理清之后再分两类看差异，思路会清楚很多。
索引里多出来的那一类
参数与变体地址
追踪参数、会话 ID、排序与筛选参数、分页参数，都是常见来源。这类地址被收录，往往是因为站内有链接直接指向它们，或者外链带进来的。
处理时不要一刀切全封。先看这些参数页有没有带来实际访问：有流量的保留并加规范指向，没流量的用 robots 规则或 canonical 收敛。一次改完容易误伤，分批处理更稳。
历史遗留地址
换过域名、调整过目录结构、上线过测试域名，索引里都可能还留着旧地址。抽查几条，看它们现在返回什么状态：
- 301 指向新地址的，属于过渡期正常现象，等抓取周期跑完即可；
- 返回 200 的，说明新旧内容并存，需要决定保留哪一版；
- 返回 404 但仍有索引的，一般会随时间自然退出。
站内根本不该存在的页面
站内搜索结果页、空结果页、已下架但仍可访问的页面，也常出现在索引里。先确认它们是主动放出的，还是被外部链接带进去的，两种情况的处理方式不一样。
站内多、索引少的那一类
新页面还没轮到
刚上线几天的页面没进索引，多数是正常排队。这时候重点是检查它有没有入口，而不是反复提交。
入口太深或内链太少
点击深度深、几乎没有内链指向的页面，抓取频率天然偏低。补几个站内入口，通常比反复推送更有效。
低质量的模板页
批量生成的标签页、归档页、组合筛选页，索引往往只收其中一部分，甚至完全不收。这类页面要按用途判断：有独立价值的保留，只是拼参数的考虑合并或收敛。
被自己挡住了
robots.txt 屏蔽、页面上的 noindex、canonical 指向了别的地址，都会让页面进不了索引。这种情况先自查配置，再怀疑搜索引擎。
对账之后怎么处理
不要因为总数不匹配就批量提交 URL。先按用途把页面分组：
- 核心内容页：补齐内链入口，清掉误加的屏蔽和错误规范；
- 列表与聚合页：按实际价值决定保留范围，不必全部争取；
- 功能性页面：登录、购物车、站内搜索，通常不需要出现在索引里。
索引数量和站内页面数对不上，多数时候不是被惩罚，而是口径不同，加上一批本该收敛的 URL 还在飘。
记录与复查
对账不用天天做。每个季度抽一次，记录三个数字：站内可索引页面数、索引估算值、差异的主要来源。看几次之间的趋势，比盯单次结果更能说明问题。差异来源稳定，说明站点结构没大变动；某一类突然变多，才是需要跟进的地方。