多语言站点做收录核对时，最容易犯的错误是把所有语言当成一个整体看。用一次 site 查询看总量，数字似乎对得上，实际上可能是某一门语言被索引了几千条，另一门语言一条都没有。收录状态是按 URL 计算的，而每个语言版本通常都是独立 URL，所以核对必须按语言拆开做。
先确认每个语言版本都有独立可抓取的 URL
常见的三种结构里，子目录和子域相对稳妥：
- /en/、/zh/ 这类子目录，配置简单，也便于统一管理；
- en.example.com 这类子域，隔离性好，但需要单独验证并单独配置站点地图；
- ?lang=en 这类参数，容易被折叠或误判为同一页面的变体，排查成本最高。
无论选哪种，都要保证每个语言版本在关闭 Cookie 和 JavaScript 的情况下也能直接打开，返回 200，正文是该语言的真实内容。如果站点靠浏览器语言或 Cookie 自动跳转，爬虫很可能只看得到默认语言那一版，其他语言永远不会被独立发现。
canonical 与 hreflang 要能对上
这一段最容易出错，核对顺序建议是：
- 每个语言版本的 canonical 指向自己，而不是统一指向默认语言。如果所有语言都 canonical 到 /en/，其他版本基本等于主动放弃收录归属。
- hreflang 必须双向回链。A 页面写了指向 B，B 也要写回 A，单向标注通常不会被采用。
- hreflang 的代码和地区写法要规范，en、en-US、zh-Hans 各有含义，不要自造写法。
- 如果存在默认兜底页，用 x-default 标注，而不是让某一种语言兼职。
做完这几步后，挑两个语言版本各看一次页面源代码，确认输出的是这一版自己的地址，而不是模板里写死的默认语言 URL。
语言切换入口要是可抓取的链接
不少站点的语言切换是一个下拉框，靠 JavaScript 提交或跳转。人能用，爬虫用不了。更稳妥的做法是在页头或页脚放一组普通的 a 标签链接，指向各语言版本的首页或当前页的对应版本。这样每个语言版本都能通过站内链接被发现，而不只依赖站点地图。
语言版本之间的互链，本质上也是一条内链路径。入口越清晰，各语言被独立发现的机会越多。
按语言的收录核对清单
- 分别用 site 查询或索引报告，记录每种语言的收录数量，不要只看总数；
- 每种语言各抽 3 到 5 个页面，检查是否被索引、展示的 URL 和语言是否正确；
- 检查站点地图是否按语言拆分，或至少正确标注了 hreflang；
- 在服务器日志里看各语言目录的抓取频次，长期为零的目录通常说明发现路径断了；
- 比对语言版本之间的正文差异，机器翻译或只换几行文案的版本，容易被当作重复内容处理。
几种常见的异常表现
某一门语言只有首页和分类页进了索引，内容页几乎没有，通常指向内链或站点地图的问题；几个语言版本互相被替换展示，多半是 canonical 和 hreflang 打架；新增加的语言长期零收录，先回头看切换入口是不是可抓取的链接，再确认新语言用的是不是独立 URL。
多语言站点的收录问题很少是单一原因造成的，但排查顺序是固定的：先确认 URL 能被独立发现和抓取，再看归属信号是否自洽，最后才去比较内容差异。跳过前两步直接改内容，通常解决不了问题。