在 site 查询的结果里，偶尔會看到 preview 子域、staging 地址、临时目錄，或者带一長串哈希的预览連結。這些頁面本来不是给搜尋引擎看的，却因為某條連結、某個配置被蜘蛛發現，留下了索引记錄。處理這類問题，先別急着提交移除，先弄清楚它是從哪條路径漏出去的，否則今天清掉一批，明天又冒出来一批。
先分清是被抓過，還是真的進了索引
這两件事经常被混在一起，處理方式却完全不同：
- 抓取日誌里出現測試地址，只說明蜘蛛来過一次，不代表它會被收錄。
- 索引里能查到，說明這個地址至少满足了一些條件：可以訪問、内容非空、没有被 noindex 之類的信号拦下。
用 URL 检查工具或 site 查询確認它目前處在哪一层。如果只是被抓過，重点放在堵住入口；如果已经出現在索引里，還要多加一步登出處理。
常见的几條泄漏路径
- 内鏈残留：正式站頁面里還挂着指向 staging 或预览域名的連結，比如帮助文档、舊公告、調试用的導航項。
- 站点地图與 RSS：构建时誤把非正式域名寫進 sitemap、RSS 或结构化資料里的地址。
- 外部引用：协作工具、工單系統、论坛或邮件里贴出的预览連結，被爬虫顺着抓走。
- 环境本身可公開訪問：staging 没有做訪問控制，域名解析到了公網，蜘蛛可以直接到達。
- 构建产物寫死地址：前端打包时把绝對路径固定成预览域名，頁面里的图片、接口地址、canonical 都指向它。
按渠道分组處理，別一條條删
把發現的地址按来源分组，優先級並不相同：
- 内鏈泄漏優先處理，因為它會持續被重新發現，改模板、删連結就能掐断。
- sitemap 或 RSS 泄漏，改生成逻辑，重新提交正确的文件即可。
- 外部引用能改的改，改不動的靠环境隔离兜底。
- 环境可公開訪問属于根治項，加訪問控制或從公網撤下。
已经進索引的地址怎么登出
- 先让頁面返回合适的信号：确實不再存在的返回 404 或 410，仍然需要保留的加 noindex。
- 注意顺序問题：用 robots.txt 屏蔽抓取之後，蜘蛛看不到頁面里的 noindex，索引里的舊记錄反而更难自然消失。
- canonical 指向正式頁只能解决“選哪個地址代表”，並不解决這個地址能不能被看到。
- 站点平台提供的移除工具适合少量、紧急的地址，大規模清理還是要靠前面几层。
把隔离寫進發布流程
- 非正式环境统一加認證，或在服務器层面不對外開放。
- 预览域名預設带 noindex 响應头，而不是只依赖頁面里的 meta 标簽，有些渲染流程未必能讀到。
- 构建时加一道域名白名單检查，sitemap、canonical、内鏈只允许出現正式域名。
- 發布後顺手抽查一次：site 查询加上抓取日誌過滤非正式域名，確認没有新的泄漏。
预览地址被收錄，多數不是蜘蛛乱抓，而是站内或站外确實存在一條通往它的連結。找到那條連結，問题才算處理了一半。
這類地址的處理思路，和站内其他收錄問题一致：先確認現状處在抓取层還是索引层，再顺着来源分组收敛，最後用流程和配置把它挡在门外。單点清理很快，能防止复發的是那几道發布前的检查。