判断一個 URL 有没有被收錄，很多人的第一反應是在搜尋引擎里敲 site: 指令。這個動作本身没错，但如果只看這一個信号，很容易得出相反结论：明明頁面已经進索引，site 查询里却找不到；或者反過来，site 里出現的地址点進去，展示的却是一個早已過期的快照。想把收錄狀態看清楚，至少要让几個資料源互相印證。
site 查询：只能当作粗略參考
site 指令返回的是估算结果，不是精确清單。它受查询词、地区版本、查询時間点的影响，同一個域名在不同地区、不同時間段返回的數字可能相差很大。它更接近抽样展示，而不是完整库存。
它的两個典型誤判
- 把估算量当收錄量。數字上下浮動属于正常現象，看到下降就立刻去改站，往往是過度反應。
- 用 site 查單個 URL。某個具体地址搜不到，不代表它没進索引，也可能只是它在该查询下没有触發展示。
比較合理的用法是：把 site 当作方向性观察，看整体量級和结构，比如某個目錄下大概有多少條，而不是当作逐條核對的工具。
索引报告：区分没抓和抓了没收錄
站長後台的索引覆盖报告，價值在于它给每個 URL 打了狀態标簽。這些标簽大致能分成三類，對應的問题完全不同。
已發現，尚未抓取
說明蜘蛛知道這個地址存在，但還没来。常见原因是抓取排队、站点响應慢、内鏈路径太深。這類問题归抓取环节管，急着改内容帮助不大。
已抓取，尚未编入索引
蜘蛛已经取過内容，但没有把它放進可检索的索引。這时候再去調整内鏈、反复提交 sitemap 基本没有帮助，需要回到頁面本身：内容是否足够獨立、是否與站内其他頁面高度重叠、是否属于典型的低信息量頁面。
已编入索引
這是收錄狀態，但要注意它和能被搜到是两回事。頁面進了索引，不代表在某個關鍵詞下一定會有展示。索引狀態解决的是有没有资格參與检索，展示與否取决于查询和排序逻辑。
服務器日誌：抓取行為的原始记錄
前两個資料源都是平台给出的结果，日誌是過程。它能回答一些报告里看不到的問题：
- 蜘蛛實际訪問了哪些地址，哪些地址從来没被訪問過；
- 返回的狀態碼分布，有没有大量 3xx、4xx 或者超时；
- 同一個頁面被反复抓取的频率，是不是存在大量參數變体消耗抓取；
- 是否有资源請求，說明渲染环节确實在执行。
如果日誌里某個 URL 從未出現，那它的問题在發現环节；如果频繁被抓但报告顯示未收錄，問题就在评估环节。這两種情况的處理方式完全不同。
把三者串起来看的三步
- 先選样本。不要拿整站平均資料下结论，挑十几條有代表性的 URL：首頁、栏目頁、新發布頁、老頁面各取几條。
- 逐條對齐狀態。對每條 URL，记錄日誌里是否被抓、被抓了几次、返回什么狀態碼，再對照索引报告里的标簽。
- 再归類問题。被發現了但没抓，属于抓取調度；抓了没收錄，属于頁面评估；收錄了但搜不到，属于检索展示。三類問题的處理動作不要混着做。
几個容易踩的坑
- 直接搜完整 URL 判断收錄。搜尋结果里能出現，多數情况說明它至少在索引里；搜不到却不能反推未收錄。
- 把 sitemap 当成收錄承诺。提交只是提供發現线索，是否抓取、是否收錄都不由提交動作决定。
- 只看總量不看结构。總量没變，但有效頁面被大量低质地址稀释，這種情况在外层數字上是看不出来的。
- 刚發布就去查。新頁面從發現到收錄需要時間，几小时内反复查询意义不大，反而容易誤判。
收錄狀態的判断，本质是把蜘蛛有没有来、来了之後怎么评估、最终能不能被检索這三件事分開看。資料源越多，越容易看清問题出在哪一环，也越不容易被單一數字带着走。