同一篇文章，A 站先發，B 站拿到授權轉载，C 站用采集工具抓走。三份内容几乎一字不差，搜尋引擎在建索引时通常只會挑一份作為主要版本，其余的要么被折叠，要么長期留在索引之外。跨站重复内容带来的麻烦，基本都出在這里。
搜尋引擎怎么挑“正主”
判断哪一份是原始版本，搜尋引擎没有公開的公式，但從實际表現看，几個信号经常起作用：
- 首次出現的時間：通常是最早被發現的版本占優，但前提是它先被抓到。内容發出去很久才被蜘蛛發現，這個優势會被抵掉。
- 連結與引用：外部連結、社交分享、其他站点的引用，都會指向某一版，指向集中的那一版更容易被当作主版本。
- 站点整体的可信度：長期更新、有明确編輯信息和作者署名的站点，比一個纯采集站更容易被認作来源。
- 頁面本身的完整度：正文是否完整，有没有作者、發布時間、站内相關連結，這些都會影响判断。
- 顯式声明：canonical 标簽、来源标注、原文連結，都能把選擇往你想要的方向推一把，但只是“推一把”。
授權轉载怎么做才不吃亏
對方拿到授權再發，這種情况不必太紧張，但几個動作值得做：
- 在正文顶部或底部明确寫出原文标题和連結，別塞在角落用灰色小字。
- 保留原文的發布時間，注明“首發于某年某月某日”，不要改成自己站点的發布時間。
- 如果双方沟通顺畅，轉载方可以用 canonical 指向原文；若不方便，至少不要反過来声明自己是原版。
- 不要為了“去重”大段改寫、換词、調換段落顺序。這種文章讀起来別扭，也改變不了内容的判断结果。
纯采集的内容為什么留不住索引
采集站常见的情况是：頁面被發現了，也抓取到了，但很快從索引里消失，或者一直停在“已抓取，尚未编入索引”。原因通常不是某一條規則专门针對它，而是几個劣势叠加——内容没有任何增量，站内没有形成主题集群，外部没有連結，頁面還會因為模板、广告和推荐位顯得很薄。只靠堆量，很难改變這個局面。
還有一種情况更隐蔽：采集时顺手把原文里的图片、内鏈也一起抓了過来，结果頁面上大量連結指向別的域名，自己反而成了一個中轉站，這對判断来源没有任何帮助。
重复内容本身不带来惩罚，它带来的問题是“選谁”。如果你不是被選中的那一方，頁面在搜尋结果里就约等于不存在。
一份简單的自查清單
- 這篇内容是不是我站首發？發布時間是否真實可查？
- 同一站点内部有没有多個 URL 指向近似内容？先把站内的問题理干净，再谈跨站。
- 正文是否完整，還是被截断成“阅讀全文請前往……”？
- 有没有至少一處外部連結指向這個頁面？
- 如果確認自己是轉载方，是否清楚它大概率不會進索引？如果本来就只是给站内已有讀者看，這個结果也可以接受。
把這些事理清楚，比反复提交 URL、一遍遍刷新索引狀態要有用得多。