重复内容本身不会直接导致站点被降权，但它会让搜索引擎在多个地址之间难以判断：哪一个才是应该被索引、被展示的版本。而处理顺序出错，常见的结果是该收录的页面没进索引，不该占位的聚合页、参数页反而进了索引。
第一步：先分清重复来自站内还是站外
这两类重复的成因和处理手段完全不同。站内重复是“自己跟自己抢”，可以通过技术手段归并；跨站重复是“别人跟你抢”，更多只能靠内容本身的差异化去竞争。混淆两者，就会出现把站内页面 canonical 指向别人站点这种反向操作。
站内自我重复的常见来源
- 同一内容出现在多个栏目路径下，例如 /news/123 与 /tech/123；
- 带参数的地址，例如排序、筛选、追踪参数生成的变体；
- 打印页、移动版独立域名、旧站遗留地址；
- 标签页、聚合页把文章摘要整段搬走，形成近似正文；
- 分页被拆成多个可独立打开的地址，正文被截断在不同页。
跨站重复的常见来源
- 内容被整站采集或转载，对方页面没有任何来源标注；
- 授权发布，同一篇内容在多个平台同时上线；
- 镜像站、缓存站、历史快照站；
- 你自己的站点是二次发布方，原始内容在别处先上线。
站内重复：按“归并”的思路处理，而不是删页面
站内重复的目标是让多个地址收敛到一个首选版本，而不是把页面批量删掉。删页面会同时损失内链和访问路径，且容易产生一批新的 404。
- 确定主版本：选内容最完整、路径最稳定、内链最多的那条 URL 作为主版本，通常是详情页而不是聚合页。
- 统一对外信号：主版本的 canonical 指向自己；变体页 canonical 指向主版本。
- 收敛内链：站内链接、面包屑、上一篇下一篇，都只指向主版本，避免自己持续给变体页输送入口。
- 收敛提交入口：sitemap 里只保留主版本；如果历史 sitemap 已经提交过变体页，更新并观察变化即可，不需要反复重提。
- 处理不需要的变体：筛选参数页、排序页等无独立价值的地址，可考虑 robots 屏蔽或 noindex，二者选其一即可，不必叠加。
- 复核分页：列表翻页如果承载了独立的商品或文章入口，就应保留可抓取；如果只是展示更多摘要，可按主列表页归并。
注意：canonical 是指示而不是强制指令。它需要与内链、sitemap、页面可访问性保持一致。单独设置 canonical 而内链仍指向变体页，效果会被削弱。
跨站重复：先核对首发与内容完整度
跨站重复没有可提交的技术指令能直接决定归属，搜索引擎会综合首发时间、内容完整度、页面体验，以及站点与主题的相关性来判断。因此核对的重点是自己页面的“不可替代性”。
- 确认首发地址：如果是自己首发，检查页面是否有明确的发布时间；如果是转载方，尽量回到首发平台做来源说明，或获得授权后引用原文链接。
- 核对内容完整度：对方是否只截取了一段？你的页面是否有后续更新、数据、图表、附件？差异越明显，判断越容易。
- 补充独有信息：原始数据、实测截图、更新说明、作者信息，都是同主题页面之间的实质差异。
- 检查站内上下文：同一主题下是否有相关内页形成集群，单篇孤立的重复内容更容易被替代。
- 观察索引变化：改动后按 2 到 4 周的节奏复看，避免每天反复修改标题与正文，让页面信号始终处于波动状态。
容易踩的三个坑
- 把 noindex 当成去重工具：noindex 会让页面彻底退出索引，如果你还需要这个地址承接访问或内链，应优先用 canonical 归并。
- 主版本频繁更换：今天指向 A，下周指向 B，等于持续推翻自己的判断，收录状态会一直不稳定。
- 只看收录数量，不看收录地址：真正要核对的是“哪些地址进了索引”，而不是“进了多少条”。
重复内容的处理没有一次性完成的动作，更像是一次归并加上持续观察。做完上面的核对后，把主版本、变体、跨站对应关系记成一张清单，后续每次内容更新或改版，都按这张清单复核，比事后一次次翻日志更容易发现问题。