蜘蛛池里入口页的数量通常远多于目标页，同一份模板换几个路径、带几个参数，就可能变成十几个能访问的地址。对搜索引擎来说，这些地址内容几乎一样，必须先决定拿哪一个当代表，否则抓取预算会被摊薄。canonical 标签就是表达这个偏好的手段之一，但它只在特定场景下合适，用错了反而增加麻烦。
入口页为什么容易出现重复内容
重复往往不是刻意造成的，而是技术和历史原因叠加的结果。常见来源包括：
- URL 大小写、结尾斜杠、index.html 等写法不统一；
- 跟踪参数、排序参数、会话 ID 产生的多个变体；
- 分页列表的每一页、打印版、移动版各自可访问；
- http 与 https、带 www 与不带 www、多个域名解析到同一台服务器。
这些地址在蜘蛛眼里都是独立 URL，抓一个就往预算里记一笔。入口页铺得越多，重复抓取的损耗越明显。
canonical 能做什么、不能做什么
canonical 表达的是“我认为代表地址是它”，本质是建议而不是强制指令。搜索引擎可以采纳，也可以忽略。它不会阻止蜘蛛访问当前页面，也不等于把页面从索引里移除。
更需要留意的是，如果 canonical 指向的地址本身返回 404、被 robots 屏蔽，或者和页面上的其他规范信号互相矛盾，这条建议大概率不会生效，甚至会让蜘蛛反复在两个地址之间来回确认，反而多花一次抓取。
什么时候该用 canonical
- 内容确实相同，但地址无法统一，比如参数由系统生成，改不动；
- 分页第一页存在多种入口写法，希望把信号集中到主地址；
- 多个域名解析到同一站点，需要指定其中一个作为代表。
如果地址可以彻底合并，优先用 301 跳转。301 是执行层面的明确处理，比 canonical 更干净，也省掉蜘蛛两次抓取的成本。canonical 更像是留给“动不了 URL”的场景做补救。
和 noindex、301 的分工
这三者目标不同：301 是搬家，noindex 是请出索引，canonical 是选代表。如果某些入口页本来就不打算被收录，用 robots 或 noindex 处理更直接；如果只是想让权重和抓取集中，canonical 或 301 更合适。把 noindex 和 canonical 同时用在一个页面上，容易让信号互相抵消，蜘蛛可能既不敢收录当前页，也不确定目标页是否该收录。
写法上的常见问题
- 尽量使用完整绝对地址，减少解析歧义；
- 避免 canonical 链，A 指向 B、B 又指向 C，蜘蛛要多次跳转才能定下结果；
- 不要指向 404、会跳转的地址或已经下线的入口页；
- 不要把所有入口页都指向首页，那属于掩盖重复，不是解决重复；
- 跨域 canonical 要谨慎，代表页必须真的可访问、内容一致。
怎么验证有没有生效
源码里写上不算完成，还要看实际表现：
- 从访问日志确认蜘蛛是否抓取了当前页面，之后是否去抓 canonical 目标地址；
- 检查同一内容的多个地址，看索引里最终保留的是哪一个；
- 观察入口页的被抓次数是否下降，如果仍在被反复抓取，说明规范信号没被采纳；
- 改动后不要频繁反复调整，给蜘蛛留出重新确认的时间。
一点建议
把 canonical 当成入口页整理的一部分，而不是孤立的一项操作。先盘点哪些地址是真正重复的，再决定能 301 的就 301、该 canonical 的写 canonical、该屏蔽的屏蔽。顺序理清了，抓取预算才不会被无意义的重复地址吃掉。