收录核对时，很多人只看 URL 有没有出现在搜索结果里，却忽略了一个前置条件：服务器返回的状态码，和页面上真正呈现的内容，是不是在说同一件事。当两者对不上时，页面往往卡在一个尴尬位置——既能被抓取，又很难被稳稳留下。
状态码和内容不一致，通常长什么样
最常见的形态是页面返回 200，但正文里写着“商品已下架”“活动已结束”“暂无相关内容”。对爬虫来说，200 意味着“这里有一份正常内容”；对用户来说，这里其实什么都没有。两边预期不一致，索引判断就容易反复。
- 200 加空列表：筛选页、标签页结果为空，仍然返回 200。
- 200 加过期提示：时效性活动页过了时间，正文只剩一句“已结束”。
- 错误页返回 200：本该是 404 的页面被当成正常页面处理。
- 内容被移除但页面保留骨架：导航、页脚都在，主内容区是空的。
核对时先做三件事
- 取状态码。用命令行工具或抓取诊断看返回头，确认是 200、301 还是 404、410，不要只看浏览器里能不能打开。
- 看主内容区。把模板部分（导航、推荐、页脚）遮住，只看页面主体还剩多少有效信息。
- 对日志。查这些地址在服务器日志里的抓取频次和返回码，看是否长期被抓却很少被保留。
这三步做完，通常能把问题页面分成两类：一类是临时的空状态，一类是已经不该继续存在的地址。
按类型决定去留
临时空状态
比如某个筛选组合暂时没有结果，但以后可能有。这种页面不建议直接删，可以考虑加 noindex，或者当结果为空时返回 404。关键是别让它以 200 的状态长期摆着一个空壳。
确定不再使用的地址
商品下架、内容永久删除，如果确实不再提供该页面，返回 404 或 410 比留着 200 更清楚。若同类内容有替代页面，用 301 指过去，比单纯让它消失更好。
会回归的内容
季节性活动、周期性专题，内容会重新上线。这类可以保留 200，但建议在空窗期给出明确的说明和替代入口，而不是只留一句“敬请期待”。
不要一次性把大批页面改成 404 或 noindex。分批处理，每批改完观察一段时间的抓取日志和索引变化，再决定下一批，比全站一起动更容易看清因果。
顺带检查的两个细节
- 软 404 与真 404 混用：同一个站里有的空页面返回 404，有的返回 200，标准不一致会让判断更模糊，尽量统一规则。
- 移动端与桌面端不一致：两端返回码或内容有差异时，以实际被抓取的那一版为准去核对。
把状态码和内容对齐，本质上是让页面自己说清楚“我还在不在、有没有内容”。这件事做完，再去谈收录数量，判断才不会建立在一堆含糊的地址上。