做站一段時間後，site: 查询里除了主域名，常常還會冒出 test.example.com、staging.example.com，甚至 203.0.113.10/xxx 這样的裸 IP 地址。点進去内容與正式站一模一样。這不是抓取出了故障，而是訪問入口没有收口：同一套頁面被多個域名或地址指向，搜尋引擎自然會当成多個站点處理。
為什么會出現多個入口
- 服務器預設虚拟主机没有限制，任何域名解析到這台机器都能返回同一份内容。
- 泛解析（*.example.com）開啟後，任意子域名都能打開站点。
- 直接用 IP 訪問时没有做 Host 校驗，照样返回 200。
- CDN 回源配置了多個源站地址，预览域名、測試环境公網可訪問。
- 開發阶段用 hosts 指過域名，上线後忘了清理解析记錄。
這些入口對浏览器和爬虫是同等的。只要返回 200，爬虫就可能顺着外鏈、日誌或歷史记錄找到它們，並逐條抓取。
先確認范围，再動手
- 用带 Host 头的請求检查狀態碼，例如 curl -I -H "Host: test.example.com" http://主IP/，看返回的是 200、301 還是 403。這一步能判断問题是“能訪問”還是“只是解析存在”。
- 對该子域名和裸 IP 分別做 site: 查询，记錄被收錄的 URL 形態、路径規律和大致數量，判断是整站規模還是零星几條。
- 抽查這些頁面的 canonical 标簽。如果寫的是相對路径，或由程序自動拼接目前域名，那么每個入口都會指向自己，等于主動告诉搜尋引擎“我不是重复的”。
- 检查站点地图、内鏈、頁脚、分享按钮、QR Code和邮件模板里是否混入了測試域名。
處理方式：让入口收口到唯一地址
- 首選把測試域名與裸 IP 整站 301 到主域對應路径，並保留路径映射關系，不要一律跳到首頁，否則原本有排名的頁面會失去對應目标。
- 如果測試环境本来就不该對外服務，直接限制訪問（IP 白名單、基础認證），返回 403 比返回 200 更清楚。
- 關閉泛解析，或在預設虚拟主机里配置一個明确的拒绝响應，避免任意子域名都能打開首頁。
- canonical 一律使用绝對地址，主域固定為唯一版本（带 www 或不带 www，二選一，長期不變）。
- robots.txt 不适合用来区分主域與測試域名，因為爬虫取到的是同一份文件，很容易誤伤主站目錄。
處理入口收敛时，先让舊地址返回明确的跳轉或拒绝狀態，再谈索引更新。索引移除和替換需要時間，不要期待立刻消失。
容易忽略的几個细节
- 带 www 與不带 www 若都返回 200，本质上是同一類問题。
- HTTP 與 HTTPS 同时可訪問，也會形成两套入口。
- 短鏈服務、QR Code、歷史邮件中寫死了測試域名，外部引用不會自動失效。
- CDN 缓存里可能仍保留着舊入口的响應，收敛後需要確認缓存策略。
收敛之後怎么驗證
重新用带 Host 头的請求抽查各入口狀態，確認都指向主域或明确拒绝；對比處理前後的日誌，观察測試域名下的抓取是否减少；在索引报告里持續观察主域頁面數是否稳定，而不是忽高忽低。内鏈和站点地图全部改用主域绝對地址，是让收敛長期有效的關键一步。
把入口收口当成常規维護動作，比等到重复收錄已经形成規模再补救要省事得多。每次上线新环境、新增解析记錄时顺手检查一遍訪問狀態，就能避免同類問题反复出現。