做收錄核對时，很多人只盯着收錄變少，其實收錄量突然上涨同样需要核對。索引條數增加不等于站点變强，它可能只是同一批内容換了几種地址、几種參數、几種排序方式，各自占了一個位置。先分清新增的是有效頁面還是重复膨胀，再决定動不動手。
索引量上涨通常有两種来源
一種是正常增長：新栏目、新詳情頁、新文章被正常發現並入库，這些 URL 有自己的标题、正文和搜尋需求。另一種是膨胀：同一份内容以不同地址被收錄，比如篩選參數、排序參數、分頁的每一頁、會话 ID、打印頁、被轉载的镜像頁，以及内容极少但數量巨大的标簽頁和聚合頁。
两者的處理方向完全相反：前者要做的是保持抓取顺畅、补内鏈入口；後者要做的是归並或挡住。搞混了，容易把正常頁面一起挡掉，也容易把占位頁面当成资产繼續留着。
第一步：把新增 URL 按模式聚類
不要逐個看 URL，先按模式分组，看每一组贡献了多少條。常用做法是從站点地图、抓取日誌和索引抽样三處取 URL，按路径規則归類，再算每组的數量占比。
- 路径里带 問号參數 的：排序、篩選、跟踪、會话，分開統計。
- 路径层級很深的：分頁、日期归档、日歷頁。
- 路径很短但數量巨大的：标簽、作者、聚合列表。
- 同一正文出現在不同目錄的：語言變体、移動端地址、測試环境遗留。
归類之後基本能看出，是某一類模板在批量生产 URL，還是新内容在稳定增長。這一步做扎實，後面的判断才有依據。
第二步：判断這组 URL 有没有獨立價值
判断标准不是能不能打開，而是打開之後和別人有什么不同。可以按下面几條逐項過一遍：
- 标题和描述能不能獨立成句，還是只寫了某列表第几頁。
- 正文主体與原頁面是否重复，重复的部分大概占多少。
- 這组 URL 有没有自己的搜尋需求或外部連結指向。
- 如果没有它，用戶能不能從主頁面正常走到同样的内容。
几條里大多是否定的，基本可以按重复占位處理。反過来，如果它有獨立内容、獨立流量或獨立入口，收缩它反而是在削自己的一條路。
第三步：按顺序處理，別一上来就全站屏蔽
- 先合並内容：能整合到主地址的，用 301 或 canonical 归並，让信号集中到一個地址上。
- 再补規范化：篩選、排序這類參數頁面，用 canonical 指回無參數版本，同时在頁面上保留可点击的正常入口。
- 再考虑 noindex：确實没有獨立價值、又不便跳轉的頁面，可以加 noindex，注意要允许抓取，否則指令讀不到。
- 最後才是 robots.txt：它只挡抓取，不挡索引，對已经收錄的頁面使用它，往往會長期留下一個空结果。
顺序反了會出現一種常见現象：你挡住了抓取，搜尋引擎既收不到 noindex，也無法讀到更新後的頁面，于是索引里長期保留舊版本，看起来像怎么處理都清不掉。
核對时容易忽略的两点
- 索引量是滞後指标。今天的改動可能几周後才反映到統計里，短期數字反彈不代表處理失敗。
- 不同查询口径的數字本来就不一样。站内查询、索引报告、日誌統計數出来的量各不相同，核對时固定一種口径，否則會把口径差当成收錄波動。
最後提醒一句：清理重复膨胀的目标是让每個被收錄的地址都有自己的理由，而不是把數字压到某個标准以下。數量本身說明不了太多，頁面结构和内容质量才是判断依據，具体结果也取决于站点實际情况和搜尋引擎的處理节奏。