在蜘蛛池的入口页里，同一个页面经常会有多个 URL 版本：带参数的、带 www 的、不带 www 的、末尾多一个斜杠的，甚至还有 http 和 https 同时可访问的。这些 URL 如果都返回相似内容，蜘蛛就会面临一个选择：到底抓哪一个？canonical 标签就是在这个场景下用来表达偏好的工具。它不能保证蜘蛛一定按你的想法走，但用对了可以减少无效抓取，用错了反而会传递错误信号。
canonical 解决的是什么问题
canonical 的作用是告诉搜索引擎：这一组相似 URL 里，哪一个是你希望被当作主要版本的地址。它不是跳转，也不是屏蔽，而是一种建议。蜘蛛看到 canonical 后，可能会把权重和抓取集中到你指定的 URL 上，也可能忽略它。所以，canonical 适合处理“内容实质相同、只是 URL 不同”的情况，而不是用来掩盖内容差异。
入口页常见的重复来源
- 带跟踪参数的链接，比如 utm_source、from、ref 等。
- 同一路径的大小写差异，例如 /Page 和 /page。
- 末尾斜杠的有无，例如 /entry 和 /entry/。
- http 与 https、www 与非 www 同时可访问。
- 列表页的排序、筛选、分页参数，例如 ?sort=hot、?page=2。
- 打印版本、移动版本或 AMP 版本与主版本并存。
这些情况在蜘蛛池入口页里很常见，因为入口页往往批量生成，URL 规则容易不统一。先把自己站点的重复来源梳理清楚，再决定哪些用 canonical 处理，哪些直接用 301 或 robots 规则处理。
什么时候该用 canonical
当多个 URL 的内容确实相同，并且你希望蜘蛛集中抓取其中一个版本时，canonical 是合适的选择。例如，入口页的列表页带上了排序参数，但排序后的内容与默认列表差别不大，这时可以把带参数的 URL canonical 到默认列表页。再比如，同一个入口页可以通过 http 和 https 访问，也可以把 http 版本 canonical 到 https 版本。
另外，如果页面存在轻微差异，比如用户评论排序不同、推荐位不同，但主体内容一致，也可以考虑使用 canonical。关键是判断“蜘蛛是否会把它们当成不同页面”，如果会，而你又不希望它们分散抓取，就可以用 canonical 表达偏好。
什么时候不该用 canonical
canonical 被滥用时，问题往往比不用更严重。以下几种情况要特别小心：
- 内容明显不同，却 canonical 到同一个 URL。这会让蜘蛛认为你在隐藏重复内容，可能直接忽略 canonical。
- 分页页面全部 canonical 到第一页。这会让蜘蛛难以发现后续页面的内容，反而降低抓取效率。
- 把不相关的入口页 canonical 到首页或某个热门页。这属于错误合并，容易让入口页失去独立价值。
- 把蜘蛛池入口页 canonical 到目标站。入口页本身是为了发现和引导抓取，如果直接 canonical 到外部目标站，蜘蛛可能不再把入口页当作独立页面处理。
- 与 noindex 同时使用。如果页面已经 noindex，再加 canonical 意义不大，两者信号容易冲突。
canonical 与 301、robots、noindex 怎么配合
如果两个 URL 确定要合并，并且你希望用户和蜘蛛都只访问一个地址，301 跳转比 canonical 更彻底。canonical 适合“两个地址都能访问，但我想表达偏好”的场景；301 适合“旧地址不再需要，永久迁移到新地址”的场景。
robots.txt 主要用于控制抓取范围，不能替代 canonical。noindex 用于告诉蜘蛛不要索引某个页面，但它不会传递权重，也不会指定首选版本。不要把 noindex 和 canonical 混用在一个页面上，除非你非常清楚自己在做什么。对于入口页的参数版本，可以优先考虑 robots.txt 屏蔽无意义参数，再对剩余可访问的重复页面使用 canonical。
给蜘蛛池入口页的实操建议
- 先确定每个入口页的唯一规范 URL，并统一站内链接都指向这个地址。
- 固定协议和域名形式，比如统一使用 https 和带 www 或不带 www，其他形式做 301。
- 对排序、筛选、跟踪参数做区分：无意义的参数尽量屏蔽，有内容差异的参数页再考虑 canonical。
- 分页页面保留独立 URL，不要全部 canonical 到第一页，必要时可以使用 rel=next/prev 辅助蜘蛛理解序列。
- 定期抽查入口页的 canonical 指向，确认没有指向不相关页面或外部目标站。
- 不要指望 canonical 解决所有重复内容问题，它只是辅助手段，核心还是让 URL 结构清晰、内链统一。
canonical 是给蜘蛛的一个建议，不是命令。蜘蛛池入口页真正要做的，是减少无意义的重复 URL，让蜘蛛把有限的抓取预算用在有价值的页面上。用之前先问自己：这两个 URL 的内容真的相同吗？如果答案是否定的，就不要用 canonical 强行合并。