做多语言或多地区站点时，收录问题往往不是出在抓取环节，而是出在“同一个页面被拆成了几个版本”。蜘蛛能爬到各个语言版本，但索引里可能出现重复、错配，或者只有某一种语言被收录。理顺这件事，重点在 URL 结构、语言标注和内容本身三处。
语言版本的组织方式决定了 URL 长什么样
常见三种做法，各有代价：
- 子目录（example.com/en/）：权重集中、配置简单，是最常用的方案。
- 子域名（en.example.com）：适合不同语言由不同团队或不同服务器维护的情况，但权重和运维都更分散。
- 参数（example.com/page?lang=en）：不建议用来区分语言，参数版本容易和主版本被当成重复内容，也容易在抓取调度中被忽略。
目录命名上，如果只区分语言，用 /en/、/ja/ 这类写法就够了；如果要同时区分地区，再用 /en-us/、/en-gb/ 这种带地区的写法，但要想清楚这些页面是否真的有内容差异。另外，一旦选定结构就不要频繁更换——语言版本换目录，等于把整批 URL 重做一遍，收录需要重新走一轮。
hreflang 与 canonical 各管一件事
这两个标签经常被混为一谈，其实分工很清楚：
- hreflang 告诉搜索引擎“这几个页面是同一内容的不同语言版本”，是一种推荐关系，不会合并页面。
- canonical 告诉搜索引擎“以哪个 URL 为准”，是合并关系，被指向的版本才有机会进入索引。
所以多语言页面的 canonical 一般指向自己这个语言版本的规范地址，而不是指向英文原版。如果所有语言版本都 canonical 到英文页，其他语言版本基本不会被单独收录。
hreflang 建议双向标注：英文页指向中文页，中文页也要指回英文页，单边标注容易被忽略。可以再补一个 x-default，用于没有匹配语言时的兜底页面。标注里使用的地址，要和页面的规范地址保持一致，不要一边写带参数的 URL，一边写不带参数的。
别用自动跳转来决定蜘蛛看哪个版本
按浏览器语言或 IP 做自动 302 跳转，对真实用户是方便，对蜘蛛是干扰。蜘蛛通常从单一地区发起请求，如果被跳到英文页，其他语言版本可能长期不被抓取。更稳妥的做法是让每个语言版本都有可直连的 URL，自动跳转只作为用户侧的辅助，并且可以被关闭或绕过。
同样地，语言切换器尽量用普通链接实现，让蜘蛛能从任意一个版本走到其他版本，而不是只绑在 JS 事件上。内链入口顺畅，各语言版本的发现和重抓都会快一些。
机器翻译内容是重复内容的高发区
整站机翻、只替换货币符号和电话、正文结构完全一致，这类页面在索引评估里很难被当成独立内容。可以做的事：
- 语言版本要有独立的标题、描述和正文表述，而不是逐句直译。
- 本地化元素（价格、地址、联系方式、案例）尽量换成该地区的真实信息。
- 没有足够内容支撑的语言版本，宁可先不做，也不要先上一批空壳页。
上线后的检查清单
- 每种语言的规范地址是否能直接打开，不依赖跳转。
- hreflang 是否双向、是否覆盖所有语言版本，指向的地址返回码是否正常。
- canonical 是否指向自身语言版本的规范地址。
- sitemap 是否按语言分组，且只放规范 URL。
- robots.txt 是否误挡了某个语言目录。
- 在索引报告里按语言目录分别看收录量，而不是只看整站总量。
多语言站点的收录问题，多数不在技术配置，而在内容是否真的做了区分。配置只能让蜘蛛看懂结构，内容才决定这些页面值不值得单独进索引。