很多人盯收录，只看一个数字：收录量涨了还是跌了。但收录并不是一个开关，从蜘蛛第一次知道这个 URL，到它能被用户搜出来，中间要经过几个环节。每个环节卡住的表现都不一样，笼统地说“没收录”，很容易修错地方。
阶段一：URL 被发现
这是最前面的一步。蜘蛛得先知道这个地址存在，才可能去访问它。常见的发现途径有几条：
- 站内链接，尤其是从已经被频繁抓取的页面点出去的链接；
- 站点地图，适合数量大、内链入口少的页面；
- 主动提交，能缩短发现时间；
- 外部链接带来的自然发现。
这一步容易被忽略，也容易造成假象。有的页面在工具里显示“已发现”，但可能几天都没被抓，因为待抓队列里排着的 URL 太多。发现只是排队，不代表会马上处理。
阶段二：被抓取
蜘蛛来了，能不能顺利把内容拿走，是第二个环节。这里常见的卡点包括：
- 服务器响应慢或者经常返回 5xx，蜘蛛会主动降低访问频次；
- robots.txt 误屏蔽，或者防火墙把蜘蛛拦在外面；
- 页面主要靠 JS 渲染，抓取时拿到的只是一个空壳；
- 重定向链太长，跳几次之后放弃。
抓取成功，只说明蜘蛛拿到了东西，不代表它认可这个页面。很多人看到日志里有访问记录，就认为收录没问题，这其实是把抓取和收录混为一谈了。
阶段三：进入索引
这才是通常意义上的“被收录”。搜索引擎要判断：这个页面值不值得留下来，和站内其他页面、站外页面比是不是重复，规范地址应该是哪一个。常见的分流情况有：
- 内容和其他页面高度相似，被归并到另一个 URL；
- canonical 指向了别的地址，收录记在别人头上；
- 页面有效内容太少，被判定为价值不足，暂不索引；
- 参数、会话 ID 造成的多个副本，被合并成一个。
被索引的是“一个地址所代表的内容”，而不是你提交过几次。同样的内容，搜索引擎通常只保留一个它认为最合适的版本。
阶段四：能被搜出来
被索引了，也不等于一定能在某个搜索词下出现。索引和展现之间还隔着相关性、地域、设备、时效等因素。一个刚收录的长尾页面没有展现，是很正常的事，不代表收录失败。
也可能是另一种情况：页面确实在索引里，但它对应的查询词本身就很冷门，几乎没人搜，自然也就看不到。
怎么判断卡在哪一步
与其反复问“收录了吗”，不如按顺序排查：
- 发现了吗：这个 URL 有没有任何入口？站点地图里有没有、内链有没有指向它？
- 抓了吗：日志或抓取工具里有没有对它的访问记录，返回的是 200 还是别的状态码？
- 内容取到了吗：抓取到的版本和用户实际看到的版本是否一致？
- 进了索引吗：用站点查询或站长工具确认，注意查的是规范地址。
- 有展现吗：如果确认在索引里却搜不到，那多半是相关性和需求的问题，不是收录问题。
每一步的修法都不同：入口缺失就补内链，抓取失败就看服务器和屏蔽规则，内容重复就理清规范地址，没有展现就回头看看页面有没有真正解决用户的问题。
几个常见的误判
- 把“没排名”当成“没收录”，于是反复提交、反复改标题，越折腾越乱。
- 把“蜘蛛访问过”当成“已经收录”，忽略了后面的质量判断环节。
- 用某个精确查询词搜不到，就断定页面没进索引，而这个词本身可能就不在页面的语义范围内。
- 看到收录量下降就紧张。索引本身有正常的新陈代谢，淘汰一批低价值页面未必是坏事。
把收录拆成“发现—抓取—索引—展现”四步之后，多数问题都能落到具体某一环上。分阶段排查，比盯着一个总数猜原因要可靠得多。