多語言站点做收錄核對时，最容易犯的错誤是把所有語言当成一個整体看。用一次 site 查询看總量，數字似乎對得上，實际上可能是某一门語言被索引了几千條，另一门語言一條都没有。收錄狀態是按 URL 計算的，而每個語言版本通常都是獨立 URL，所以核對必须按語言拆開做。
先確認每個語言版本都有獨立可抓取的 URL
常见的三種结构里，子目錄和子域相對稳妥：
- /en/、/zh/ 這類子目錄，配置简單，也便于统一管理；
- en.example.com 這類子域，隔离性好，但需要單獨驗證並單獨配置站点地图；
- ?lang=en 這類參數，容易被折叠或誤判為同一頁面的變体，排查成本最高。
無论選哪種，都要保證每個語言版本在關閉 Cookie 和 JavaScript 的情况下也能直接打開，返回 200，正文是该語言的真實内容。如果站点靠浏览器語言或 Cookie 自動跳轉，爬虫很可能只看得到預設語言那一版，其他語言永遠不會被獨立發現。
canonical 與 hreflang 要能對上
這一段最容易出错，核對顺序建议是：
- 每個語言版本的 canonical 指向自己，而不是统一指向預設語言。如果所有語言都 canonical 到 /en/，其他版本基本等于主動放弃收錄归属。
- hreflang 必须双向回鏈。A 頁面寫了指向 B，B 也要寫回 A，單向标注通常不會被采用。
- hreflang 的代碼和地区寫法要規范，en、en-US、zh-Hans 各有含义，不要自造寫法。
- 如果存在預設兜底頁，用 x-default 标注，而不是让某一種語言兼职。
做完這几步後，挑两個語言版本各看一次頁面源代碼，確認輸出的是這一版自己的地址，而不是模板里寫死的預設語言 URL。
語言切換入口要是可抓取的連結
不少站点的語言切換是一個下拉框，靠 JavaScript 提交或跳轉。人能用，爬虫用不了。更稳妥的做法是在頁头或頁脚放一组普通的 a 标簽連結，指向各語言版本的首頁或目前頁的對應版本。這样每個語言版本都能通過站内連結被發現，而不只依赖站点地图。
語言版本之間的互鏈，本质上也是一條内鏈路径。入口越清晰，各語言被獨立發現的机會越多。
按語言的收錄核對清單
- 分別用 site 查询或索引报告，记錄每種語言的收錄數量，不要只看總數；
- 每種語言各抽 3 到 5 個頁面，检查是否被索引、展示的 URL 和語言是否正确；
- 检查站点地图是否按語言拆分，或至少正确标注了 hreflang；
- 在服務器日誌里看各語言目錄的抓取频次，長期為零的目錄通常說明發現路径断了；
- 比對語言版本之間的正文差异，机器翻译或只換几行文案的版本，容易被当作重复内容處理。
几種常见的異常表現
某一门語言只有首頁和分類頁進了索引，内容頁几乎没有，通常指向内鏈或站点地图的問题；几個語言版本互相被替換展示，多半是 canonical 和 hreflang 打架；新增加的語言長期零收錄，先回头看切換入口是不是可抓取的連結，再確認新語言用的是不是獨立 URL。
多語言站点的收錄問题很少是單一原因造成的，但排查顺序是固定的：先確認 URL 能被獨立發現和抓取，再看归属信号是否自洽，最後才去比較内容差异。跳過前两步直接改内容，通常解决不了問题。