同一篇内容，除了正常的详情页地址，往往还会以别的形式存在：打印版、导出 PDF、AMP 或简版、被工具生成的镜像页。只要这些地址能被抓取、返回 200、内容与正文高度一致，就有机会进入索引，形成多份副本。它们不一定立刻有害，但会分散权重、占用索引名额，也让后续的统计和判断变得困难。
先判断哪一份是主版本
处理副本之前，先明确唯一的主版本地址，再让其他版本向它收敛。判断依据通常有三点：
- 流量与外部引用：外链、分享、搜索结果里出现最多的那个地址，改动成本最低。
- 内容完整度：正文齐全、图片可看、导航可用的那份更适合当主版本。
- 技术可控性：主版本应是你自己能维护模板的地址，而不是第三方生成的页面。
如果两个地址各有各的入口流量，不要急着 301 到其中一个，先看两者的内容与结构差异，再决定是合并还是保留。
三类常见副本的处理方式
打印版与导出页
打印页通常由模板自动生成，正文一致但缺少导航和内链。若访问量极低，可以直接在服务端返回 410 或 404，同时在模板里取消对爬虫的入口；如果确实有用户使用，则保留页面但加上指向主版本的 canonical，并在 robots 中限制抓取（注意不要连带屏蔽 CSS、JS 等渲染资源）。
PDF 与其他下载格式
PDF 被索引是常见现象。若 PDF 只是同一篇文章的导出文件，且页面已存在，可以在下载链接上加 nofollow，或改为提交表单形式；已经收录的 PDF，可通过 301 跳回对应 HTML 页，或在无法跳转时用 X-Robots-Tag 的 noindex 让其自然退出。若 PDF 本身是独立资料，建议补充唯一标题、简介和来源页链接，让它有自己的价值，而不是继续做正文的影子。
AMP、简版与镜像站
AMP 或移动简版如果与主页面内容一致，应按建议用 canonical 指向主版本；镜像站、采集站属于外部副本，能联系就联系，联系不上则优先保证自己主版本的可抓取与更新频率。
一套可执行的核对顺序
- 用 site: 指令或日志确认副本地址是否真的进入索引，别凭印象处理。
- 列出每个副本的访问路径：是内链、站内搜索，还是第三方引用带来的。
- 从内链和 sitemap 中移除指向副本的入口，保留指向主版本的链接。
- 按副本类型选择处理动作：canonical、301、noindex 或直接下线，尽量只选一种，避免叠加。
- 改完后在日志里观察副本的抓取频次是否下降，主版本的抓取与展示是否稳定。
- 索引更新有延迟，几周内不要反复改动同一组地址。
容易踩的两个坑
- canonical 指向的地址本身也要能被抓取，如果它返回错误状态，收敛信号会被忽略。
- 用 robots.txt 屏蔽副本，同时又希望 noindex 生效——被屏蔽的页面无法读取 noindex，两者通常只能选一个。
多份副本不是必须立刻清除的错误，而是需要排序的同类页面。把主版本固定下来，让内链、规范标签和状态码指向同一个方向，剩下的交给抓取与索引周期去消化。