判断一个 URL 有没有被收录，很多人的第一反应是在搜索引擎里敲 site: 指令。这个动作本身没错，但如果只看这一个信号，很容易得出相反结论：明明页面已经进索引，site 查询里却找不到；或者反过来，site 里出现的地址点进去，展示的却是一个早已过期的快照。想把收录状态看清楚，至少要让几个数据源互相印证。
site 查询：只能当作粗略参考
site 指令返回的是估算结果，不是精确清单。它受查询词、地区版本、查询时间点的影响，同一个域名在不同地区、不同时间段返回的数字可能相差很大。它更接近抽样展示，而不是完整库存。
它的两个典型误判
- 把估算量当收录量。数字上下浮动属于正常现象，看到下降就立刻去改站，往往是过度反应。
- 用 site 查单个 URL。某个具体地址搜不到，不代表它没进索引，也可能只是它在该查询下没有触发展示。
比较合理的用法是：把 site 当作方向性观察，看整体量级和结构，比如某个目录下大概有多少条，而不是当作逐条核对的工具。
索引报告：区分没抓和抓了没收录
站长后台的索引覆盖报告，价值在于它给每个 URL 打了状态标签。这些标签大致能分成三类，对应的问题完全不同。
已发现，尚未抓取
说明蜘蛛知道这个地址存在，但还没来。常见原因是抓取排队、站点响应慢、内链路径太深。这类问题归抓取环节管，急着改内容帮助不大。
已抓取，尚未编入索引
蜘蛛已经取过内容，但没有把它放进可检索的索引。这时候再去调整内链、反复提交 sitemap 基本没有帮助，需要回到页面本身：内容是否足够独立、是否与站内其他页面高度重叠、是否属于典型的低信息量页面。
已编入索引
这是收录状态，但要注意它和能被搜到是两回事。页面进了索引，不代表在某个关键词下一定会有展示。索引状态解决的是有没有资格参与检索，展示与否取决于查询和排序逻辑。
服务器日志：抓取行为的原始记录
前两个数据源都是平台给出的结果，日志是过程。它能回答一些报告里看不到的问题：
- 蜘蛛实际访问了哪些地址，哪些地址从来没被访问过；
- 返回的状态码分布，有没有大量 3xx、4xx 或者超时；
- 同一个页面被反复抓取的频率，是不是存在大量参数变体消耗抓取；
- 是否有资源请求，说明渲染环节确实在执行。
如果日志里某个 URL 从未出现，那它的问题在发现环节；如果频繁被抓但报告显示未收录，问题就在评估环节。这两种情况的处理方式完全不同。
把三者串起来看的三步
- 先选样本。不要拿整站平均数据下结论，挑十几条有代表性的 URL：首页、栏目页、新发布页、老页面各取几条。
- 逐条对齐状态。对每条 URL，记录日志里是否被抓、被抓了几次、返回什么状态码，再对照索引报告里的标签。
- 再归类问题。被发现了但没抓，属于抓取调度；抓了没收录，属于页面评估；收录了但搜不到，属于检索展示。三类问题的处理动作不要混着做。
几个容易踩的坑
- 直接搜完整 URL 判断收录。搜索结果里能出现，多数情况说明它至少在索引里；搜不到却不能反推未收录。
- 把 sitemap 当成收录承诺。提交只是提供发现线索，是否抓取、是否收录都不由提交动作决定。
- 只看总量不看结构。总量没变，但有效页面被大量低质地址稀释，这种情况在外层数字上是看不出来的。
- 刚发布就去查。新页面从发现到收录需要时间，几小时内反复查询意义不大，反而容易误判。
收录状态的判断，本质是把蜘蛛有没有来、来了之后怎么评估、最终能不能被检索这三件事分开看。数据源越多，越容易看清问题出在哪一环，也越不容易被单一数字带着走。