打开索引覆盖报告，你会看到一串状态名：已编入索引、已发现但未编入索引、已抓取但未编入索引、重复网页、已排除。它们看起来只是标签，实际描述的是 URL 在流水线上的不同位置。把状态读对，排查方向才不容易跑偏。
先分清两件事：抓取和收录不是一回事
抓取是蜘蛛把页面 HTML 取回本地，收录是把这份内容处理后放进索引，并认为它有资格参与检索。抓取成功只是拿到了材料，是否收录还要看内容质量、重复程度、站点整体信号。所以“蜘蛛来过”和“页面被收录”之间，永远隔着一层判断。
几个常见状态分别代表什么
已发现但未编入索引
这个状态说明链接已经被蜘蛛看到，可能来自内链、Sitemap、外链或主动提交，但还没有安排抓取。它停在队列里等着被排期。URL 总量大、日志里抓取量有限的站点，堆积这个状态很正常，重点是看它会不会长期不动。
已抓取但未编入索引
蜘蛛已经把页面拿回去了，但索引没有收。这一步的含义更接近内容层面的判断，常见原因包括：
- 页面主体内容太少，或大部分是模板、导航、广告位；
- 和站内其他页面高度重复，没有独立信息量；
- 正文需要交互才出现，初始 HTML 里几乎是空的；
- 站点整体可信度、外链与点击信号偏弱，新页面需要更长的观察期。
重复网页，系统选择了其他规范版本
这通常不算错误。它表示蜘蛛认为两个或多个 URL 内容太像，自己挑了一个作为代表。如果你不认可它的选择，再去看 canonical、内链指向和参数处理是否一致。
为什么 URL 会长期停在“已发现”
发现和抓取之间隔着一条排队逻辑，影响排期的因素大致有几类：
- 入口位置：只出现在深层列表第 8 页的 URL，被发现的机会天然更少；
- 站点抓取效率：响应慢、5xx 多、重定向链长，都会消耗有限的抓取额度；
- URL 结构：大量低价值 URL，比如筛选参数、站内搜索结果页、空列表页，会稀释排期；
- 指令冲突：robots.txt 屏蔽、noindex、登录墙，让蜘蛛即使来了也走不进去。
按什么顺序排查更省力
- 先用 URL 检查类工具看单个 URL 的实际状态，是没抓取、抓取失败，还是抓了没收；
- 再翻服务器日志，确认蜘蛛最近是否真的来过、频率如何、返回码正不正常；
- 抓取失败就修技术问题：超时、封禁、写错的 robots 规则；
- 抓取成功但没收录，回到内容：和同类页面比，它有没有独有的信息量；
- 内容没问题就补信号：站内相关页面的内链、Sitemap 更新、外部引用，然后隔一段时间再看。
几个容易误读的细节
状态会变，不代表操作失败。收录本身就是反复评估的过程，页面可能先被收录，之后因为内容变化或竞争关系被移出，过一阵又回来。
覆盖率报告里的数字不等于整站页面总数。报告只统计它已知的 URL，还没被发现的页面根本不会出现在里面。
把状态当成线索，而不是结论：同一个状态背后可能有好几种原因，只有把日志、内容和站内结构放在一起看，才能定位到真正的那一个。
实际运营里，与其天天盯着“今天多了几个收录”，不如定期抽查一批停在同一状态超过几周的 URL，看它们有什么共同点：是入口太深、内容太薄，还是参数太乱。找到共性，处理一次往往能带动一批页面往前走。