同一份内容在索引里出现两个地址，最常见的来源不是内容本身，而是 URL 写法不统一：一个带末尾斜杠、一个不带；一个全小写、一个大小写混用；一个指向目录、一个指向 /index.html；或者被外链带进来一串跟踪参数。这类问题不会让页面立刻掉出索引，但会分散内链指向、让日志与索引统计对不上，排查收录时很容易被带偏。
先看清“两个地址”到底差在哪
- 末尾斜杠：/guide 与 /guide/
- 大小写：/Guide 与 /guide（在部分服务器或框架上是同一资源，在另一些上是两个不同资源）
- 默认文件名：/guide/ 与 /guide/index.html
- 协议与主机名：http 与 https、www 与不带 www
- 跟踪参数：?utm_source=… 被外链或分享链接带进来
把这些类型先分开，再决定用哪一条规则收敛。多数站点只需要一条原则：一个页面只保留一种写法。
核对顺序：从访问返回开始
- 用带斜杠、不带斜杠、不同大小写的地址分别访问，看返回的是 200 还是 301、302。
- 如果多个写法都返回 200，说明服务器没有做归一化，这就是根因，先修这里。
- 对比两边页面的 canonical：如果各自指向自己，等于向搜索引擎声明这是两个独立页面。
- 统计内链：站内有多少链接指向 A 写法，多少指向 B 写法。
- 检查 sitemap、RSS、分页、面包屑里出现的写法是否一致。
- 在日志里看蜘蛛分别抓了哪些写法、状态码是什么、频率如何。
顺带确认：是不是真的同一份内容
有些写法不同，内容其实也不同，比如筛选参数改变了列表结果、或大小写在服务端映射到不同目录。这种情况不属于归一化问题，硬做 301 反而会丢页面。判断方法很简单：对比正文主体是否一致，而不只是看标题。
收敛动作，按代价从小到大
- 服务器层 301：把非规范写法 301 到规范写法，这是最彻底的一步，也是优先要做的。
- canonical 统一：两边都指向规范地址，作为过渡信号。
- 内链与 sitemap 统一：站内不再输出非规范写法，sitemap 只放规范地址。
- 外链处理：能联系到来源的请对方改成规范地址，联系不到的靠 301 兜住。
注意：301 与 canonical 不要互相打架。如果 A 301 到 B，而 B 的 canonical 又指回 A，信号会互相抵消，收敛过程会被拉长。
收敛之后看什么
不要当天就下判断。先在日志里确认非规范写法被抓到时返回的是 301，再观察一段时间内该写法的抓取量是否下降、规范写法的抓取量是否上升。索引里旧写法消失通常明显滞后，几周到几个月都可以算在正常范围内。
如果几个周期过去两个写法仍然都在索引里，回到第一步复盘：常见原因是还有没清理干净的入口，比如外站旧链接、模板里残留的拼接链接、被缓存住的分页路径。
日常怎么少踩这个坑
- 上线前把 URL 规则定下来，写进团队规范
- 链接由统一的生成函数输出，避免在模板里手写字符串
- sitemap 交给程序生成，只输出规范地址
- 定期用日志抽样，看是否存在非规范写法的抓取
URL 归一化属于基础工作，做一次能省掉后面很多“为什么收录数对不上”的解释成本。它不保证收录结果，但能让后续的判断有据可依。