site: 查询、索引报告和日志对不上：收录量的三个口径怎么核对

做收录核对时，最常见的困惑是：site: 查询显示的数量、索引报告里的数字、日志里的抓取记录，三者常常对不上。这三者本来就不是一回事，直接拿数字互相比较，很容易得出错误结论。更稳的做法是先把口径分清楚，再按固定顺序抽查。

一、三个口径各自代表什么

它只反映当前搜索条件下能检索到的结果数量，会受查询词、地区、时间、个性化以及估算方式影响。同一个站隔天查两次，结果差几倍都很正常。它适合看趋势，不适合当精确值。

索引报告是站点级的分组统计，比如“已编入索引”“已发现，尚未编入索引”“已抓取，尚未编入索引”等。它的价值在于分类，而不是总数。看到总数波动时，要先去对应分组里找原因。

日志记录的是抓取事实，与是否收录没有直接关系。抓取被拒、抓取后未编入索引、抓取的是不需要收录的 URL，都会造成“日志很热闹、收录没变化”。

先固定样本集。从各主要目录各取若干条代表性 URL，做成一份 50–100 条的清单，覆盖首页、栏目页、详情页、分页、带参数页等。不要每次临时挑 URL，否则前后对比没有意义。
用网址检查确认页面级状态。对整个样本集逐条查看，记录“已编入索引 / 已发现未编入 / 已抓取未编入 / 被排除原因”。
把 site: 查询只当作趋势参考。记录数量变化即可，不必解释每一次涨跌。
日志按状态码和页面类型分组。200、301、404、5xx 分开看，再按目录归类，找出抓取集中在哪些类型上。

说明发现和抓取都不缺，卡在编入环节。此时要检查的是页面本身：内容是否过于单薄、是否与其他页面高度重复、是否有明确的主题指向。继续加大抓取频率通常不会改变结果。

索引状态和可检索状态是两件事。页面可能因为查询词不匹配、被更相关的页面取代，或展示层过滤而搜不到。判断收录请以网址检查为准，不要用 site: 反推。

多半是 URL 变体被计入了统计，比如带参数、带尾斜杠、大小写不同的地址。这类情况先去核对 canonical 与内链指向，把变体收敛，而不是追查“为什么收录变多了”。

字段建议包含：URL、页面类型、最近抓取时间、索引状态、排除原因、内链数量、canonical 指向。每次核对只更新这张表，横向对比才有依据，也方便交接给同事继续跟进。

同一个数字在不同工具里含义不同，先统一口径，再讨论结论。

如果连续几轮核对下来，样本集里的页面状态没有实质变化，那就不是再查一次能解决的问题，而是内容质量、URL 规范或站点结构层面的问题。核对的目的不是把数字对齐，而是找到卡住的那一步。