做收录核对时，很多人的第一反应是在搜索框里敲一个 site: 查询，看它返回的数字，然后拿去和站长平台里的收录数对比。结果往往差一大截，于是开始怀疑是不是掉了、是不是被处理了。其实在动手排查之前，先接受一个前提会更省事：这两个数字本来就不是同一套口径算出来的，差得多是常态，能对上反而是巧合。
一、两个数字分别是怎么来的
site: 查询返回的通常是一个估算值。搜索引擎在处理这类查询时，一般不把所有匹配 URL 全部遍历一遍再数给你看，而是基于索引分片做采样与近似，给出一个接近的数量级。它还会受查询词、访问入口、访问地区、当时索引合并进度的影响。所以它更适合用来判断“有没有量级上的异常”，而不适合拿来算精确的收录率。
站长平台里的数字来自索引库的统计口径，一般在固定时间点汇总，并且会把 URL 拆成“已发现”“已抓取但未编入索引”“已编入索引”等不同状态。它的判定规则、更新时间和统计范围（是否含子域、是否把 http 与 https 算成两套）都可能与 site 查询不同。
二、site 查询本身有哪些不确定
- 采样与近似：量越大误差越明显，小站可能数量级对得上，大站差几万条并不稀奇。
- 查询词影响：在 site: 后面再加词，返回的是子集，数字自然更小。
- 入口不一致：不同地区、网页版与移动端，落到不同数据中心，看到的数字可能不同。
- 变体合并：同一内容的多个 URL 版本被合并展示时，算一条还是按原始 URL 算，并没有统一说法。
- 时间点错位：你查的时刻如果正好卡在索引批量更新前后，数字会跳动。
三、真正值得核对的是三种状态
与其纠结两个总量数字，不如按状态逐段核对，把问题定位到具体环节。
- 已发现：URL 通过外链或 sitemap 进来了，但还没排上抓取。这类问题通常出在内链深度和抓取预算分配上。
- 已抓取但未编入索引：蜘蛛来过了，内容也拿到了，但索引层判断价值不足。这时要回到页面质量、重复度、正文是否可读这几件事上。
- 已编入索引：能进这个状态，说明基础条件已经过了，后面的问题属于展示与排序层面。
把三段的量分别记下来，比记一个总和有用得多。总和变化时，你至少能立刻分辨是“发现”变差了，还是“编入”变严了。
四、数字对不上时，按这个顺序查
- 先确认两边统计范围是否一致：协议、子域、尾斜杠、大小写、是否带参数，是否同一批 URL。
- 确认时间点，站长平台的数据通常有延迟，先看它的数据截止到哪一天。
- 挑几条具体 URL 做样本，在两个地方分别查，看差异是普遍现象还是集中在少数页面。
- 如果差异集中在某类页面，比如列表、标签、筛选结果，优先怀疑 URL 变体过多导致的去重与合并。
- 只有当样本差异成规模、方向又一致时，再去怀疑抓取层或索引层出了异常。
五、几句提醒
site 查询可以当随手一看的体温计，但不适合写进报表当考核指标。它既不能证明站点被处理了，也不能证明收录变好了。更稳的做法是维护一份自己可控的 URL 清单，按上面三种状态定期抽样核对，看趋势而不是看单点数字。
数字对不上，多数时候不是出了故障，而是两把尺子量的是不同的东西。先把尺子对齐，再谈有没有问题。