做站点运营的人常會盯着两個數字：站内實际能打開的頁面數，和搜尋结果里顯示的索引量。這两個數字几乎從来不會相等，差出几倍甚至几十倍都不奇怪。問题不在于數字本身，而在于你無法判断這個差距是正常的，還是有一批頁面本该被收錄却没有，又或者有一批不该存在的地址正在占用索引位置。要回答這個問题，先把“應收錄基线”建出来。
為什么两個數字天生對不上
索引量是搜尋引擎侧的估算值，更新有延迟，統計口径也不完全對等；站内頁面數則取决于你怎么數——資料库里有多少條记錄、後台有多少篇已發布内容、還是爬虫實际能訪問到多少個返回正常狀態的地址。三種數法能差出好几倍。所以第一步不是去解释差距，而是先确定拿什么去比。
第一步：定义應收錄基线
基线指的是：你希望被搜尋引擎發現並纳入索引的那部分 URL。它不是全站所有 URL，而是筛掉噪声之後的结果。常见判断可以按下面三條来梳理：
- 應当纳入：獨立的内容詳情頁、有獨立检索價值的栏目頁、承载唯一内容的分頁或聚合頁。
- 不應纳入：站内搜尋结果頁、带排序或篩選參數的地址、測試與预览地址、重复的 URL 變体（大小寫、尾斜杠、跟踪參數）。
- 需要單獨决策：分頁、标簽頁、作者頁、归档頁。它們不是天然该收或不该收，取决于是否有獨立内容與内鏈價值。
把這三類分開记錄，基线才有意义。否則“少了三百個頁面”這種结论，很可能只是把參數頁算進去了。
第二步：把基线變成可核對的清單
口径确定之後，尽量让它可复現，而不是每次凭印象重来。一個可用的流程是：
- 從站点地图、資料库或後台導出全部 URL，形成主清單。
- 按上面的三類規則打标簽，剔除明确不该收錄的地址。
- 對保留的 URL 做一次可訪問性抽检，確認返回狀態正常、内容不是空壳。
- 记錄清單生成時間。後續比對必须使用同一口径的清單，否則差异無法解释。
清單不必做到百分之百全量，但抽样規則要固定，比如按栏目分层各抽一部分，這样每次结果才具备可比性。
第三步：分類比對差异
拿到基线和索引資料之後，差异通常落在两個方向，處理方式完全不同。
索引量多于基线
說明有一批你没打算让它進索引的地址被收錄了。常见来源是參數组合、站内搜尋、多域名或多协议入口、歷史遗留的舊地址。這时要做的不是逐個删頁面，而是回到 URL 生成源头收敛，再對已经存在的那部分用規范标簽或狀態碼處理。
索引量少于基线
說明有一批本该被收錄的頁面没有進入索引。這时要把“没收錄”再拆開看：是没被發現、被發現但没抓取、抓取了但没编入索引，還是编入過又被移出。這几類的排查方向差异很大——發現环节看内鏈和站点地图，抓取环节看服務器日誌與响應速度，编入环节則要看頁面质量與重复程度。
第四步：按類型决定動作
- 多余的參數地址：從連結生成處收敛，配合規范标簽或抓取規則。
- 重复的内容頁：确定主版本，其余做規范指向或合並。
- 長期不收錄的弱内容頁：先判断是否值得保留，不值得就合並或下线。
- 有獨立價值但收錄慢的頁面：優先补内鏈入口，而不是反复提交。
把“索引量對不上”拆成“哪些该收没收、哪些不该收却收了”两個問题，比反复提交地址或猜测算法更有效。數字本身不解决問题，口径才解决。
最後提醒一点：索引資料更新有延迟，刚上线或刚改版的站点在几周内數字波動都属于正常范围。核對周期建议拉到两周以上，避免把延迟当成問题去處理。