不少站点在收录层面卡住，原因不是内容太少，而是同一个页面被搜索引擎当成了好几个地址。差异往往只在一个字母的大小写、结尾有没有斜杠、有没有 www，而服务器对这些写法都老老实实返回了 200。于是这些地址各自被抓取、各自进入索引，之后才轮到搜索引擎去判断它们是不是同一页内容。
常见的几种地址分叉
- 大小写：/About 和 /about 在多数 Linux 服务器上是两个不同路径。如果程序对两者都返回相同内容，就等于对外提供了两个可访问地址。
- 结尾斜杠：/news 与 /news/ 同时能打开，在目录式路径上非常普遍。
- 协议与主机名：http 与 https、带 www 与不带 www，如果四种组合都能访问，一个页面就有了四个入口。
- 默认文件：/index.html、/index.php 与根目录 / 指向同一份内容。
- 历史遗留入口：用过的测试域名、服务器 IP、非标准端口，只要还能打开，就可能被外部链接或旧文档带出来。
搜索引擎会怎么处理这些变体
搜索引擎确实有合并相似页面的机制，会尝试挑出一个主版本，把其他写法当作重复地址处理。但这件事有两个前提：一是它需要先分别抓取这些地址，才能知道内容一样；二是合并属于判断结果，不是即时生效的开关。也就是说，在你把地址统一之前，这些变体已经消耗了一部分抓取机会，也让外链和点击数据被拆散在多个地址上。
所以更稳妥的做法不是指望搜索引擎替你合并，而是别让多余的写法产生。
自查：站点到底暴露了多少个地址
- 翻服务器访问日志，按搜索引擎的 UA 筛选，看它实际抓取过的 URL 有哪些写法变体，重点看路径大小写和结尾斜杠。
- 用 site 查询主域名，观察结果里出现的地址前缀是 http 还是 https、有没有 www，是否统一。
- 手动抽查几条重要页面：把大小写改一下、把结尾斜杠去掉或加上、把协议换一下，看是否仍然返回 200。
这三步做完，通常就能列出一份需要收口的地址清单。
收口的顺序
顺序比手段更重要，先确定唯一形式，再让其他形式向它靠拢。
- 先定规范形式：协议用哪个、主机名带不带 www、路径是否区分大小写、结尾是否统一带斜杠、要不要保留 index 文件名。这一步是站内约定，越简单越好。
- 服务器层做 301：把其他写法永久重定向到规范形式。相比标签提示，服务器返回的重定向是确定性的。
- 站内保持一致：内链、导航、站点地图、canonical、分享按钮里的地址，全部使用规范形式，不要一边 301 一边还在内链里用旧写法。
- 外链尽量修正：能联系到的合作方改过来最好，改不了的部分交给 301 兜住即可。
当页面同时发出互相矛盾的信号时，搜索引擎只能自己猜。301 指向 A、canonical 写着 B、站点地图里又是 C，这种页面往往最难稳定下来。
容易踩的几个坑
- 重定向链太长：http 跳到 https、再跳到带 www、再补一个结尾斜杠，一层层跳会拖慢抓取，尽量一步跳到最终地址。
- 只写 canonical 不做重定向：canonical 是提示，适合作为辅助，不适合替代服务器层的跳转。
- 把跳转用在内部还在用的入口上：内部链接直接改成规范地址更干净，301 留给外部引用和确实过期的旧地址。
- 上线后不再观察：重定向加完，仍要看日志里旧写法的访问是否在减少，索引里的旧地址是否在慢慢替换，这通常需要一段时间。
地址统一是收录里最基础的一层工作，做完不会立刻让排名发生变化，但它能让后续的抓取、数据统计和内容判断都少一层噪音。对中小站点来说，先把这一层理干净，往往比急着增加页面数量更有价值。