用中文标题生成 URL，或者直接在連結里保留空格、括号、& 等符号，看起来可讀，實际請求时浏览器會先把它們轉成百分号编碼。如果站内不同位置用了不一样的编碼形式，搜尋引擎就可能把同一條連結当成多個 URL，抓取和收錄都會受影响。
浏览器顯示的和服務器收到的不是一回事
中文、空格、部分特殊符号在 URL 里不能直接传輸，需要经過编碼。比如“網站收錄”按 UTF-8 编碼後會變成一長串 %E7%BD%91%E7%AB%99%E6%94%B6%E5%BD%95。浏览器地址栏可能给你顯示中文，但網絡請求和服務器日誌里记錄的是编碼後的形式。
空格通常编碼為 %20，在查询參數里也可能被寫成 +。两種寫法在部分服務器和程序里會被解析成不同结果，如果站内同时存在，就容易出現同内容多條 URL。
编碼不一致會制造重复 URL
常见的不一致有几類：
- 同一段中文分別按 UTF-8 和 GBK 编碼，得到两串完全不同的百分号，服務器都返回 200；
- 百分号後面的十六進制字母大小寫不统一，例如 %e7%bd%91 和 %E7%BD%91；
- 空格一會儿寫成 %20，一會儿寫成 +，或者干脆不编碼；
- 站内連結用未编碼的中文，sitemap 和 canonical 却用编碼後的版本。
對搜尋引擎来说，這些字符串不同就是不同 URL。爬虫會分別抓取、分別尝试索引，抓取预算被分散，頁面權重也被拆開。更麻烦的是，canonical 如果只寫了其中一種形式，另外几種被收錄後可能長期留在索引里。
抓取失敗和收錄失敗是两件事
编碼错誤首先影响的是抓取。如果站内連結里的中文没有正确编碼，或者參數里的 & 没有轉义，服務器可能返回 404 或 400。頁面根本抓不到，就谈不上進入索引。
如果服務器對几種编碼形式都返回 200，並且頁面内容完全相同，搜尋引擎會做去重，通常只保留一個版本。但選擇哪一個版本，並不完全由你控制。你希望保留的規范 URL 可能被替代，導致後續流量和統計對不上。
抓取日誌里出現 200，只說明請求成功，不代表頁面一定會進索引。编碼混乱带来的往往是“抓到了，但被当成重复頁”或“換了一個 URL 收錄”。
把 URL 形式统一起来
能改的话，優先用英文或拼音 slug，避免中文、空格和特殊符号。需要保留中文 URL 时，至少做到以下几点：
- 全站统一使用 UTF-8 百分号编碼，不要混用 GBK；
- 站内連結、sitemap、canonical、分頁和 hreflang 里的 URL 寫法保持一致；
- 服務器對非規范形式做 301 跳轉，例如把未编碼或大小寫不一致的版本跳到規范编碼版本；
- 查询參數里的空格统一用 %20，不要同时出現 +；
- 不要用中文 URL 承载關键目錄结构，避免以後改版时大面积失效。
自查时看什么
- 從站内複製几條中文 URL，粘贴到文本編輯器里，看编碼是否统一；
- 在服務器日誌或抓取日誌里搜尋同一路径的不同编碼形式；
- 检查 sitemap 和 canonical 輸出的是不是编碼後的規范 URL；
- 用站点搜尋或索引查询，看看同一内容是否對應多個 URL。
URL 编碼本身不复杂，难的是全站一致。只要不同入口輸出不同形式，搜尋引擎就會按不同 URL 處理。把编碼、大小寫和參數寫法统一，减少不必要的重复，抓取和收錄才會更稳定。