很多收录问题不是页面内容本身引起的，而是同一个页面有多个“入口”。用户从 https://www.example.com/a 进来，蜘蛛却可能从 http://example.com/a、https://example.com/a 或带尾斜杠的版本发现它。入口一多，信号就容易分散：外链指向不同版本，站点地图提交的是另一个版本，canonical 又写了第三个版本。此时讨论“为什么没收录”或“为什么只收录一条”，往往要先回到主域是否统一。
先确定一个规范主域，而不是四个都能用
规范主域是站点对外默认使用的唯一域名和协议组合。它应该同时满足三件事：用户访问时最终落在这个版本；内链和 sitemap 写的是这个版本；服务器对其它变体做跳转，而不是让它们各自返回 200。
常见变体包括：
- http://example.com
- http://www.example.com
- https://example.com
- https://www.example.com
这四者如果都能直接打开并返回 200，蜘蛛就会把它们当作四个可抓取 URL。收录结果可能是四个都进索引，也可能只留下其中一个，具体取决于蜘蛛如何判断重复关系。对站点来说，这种不确定性没有必要保留。
301 和 canonical 不是二选一，而是各管一段
301 跳转管的是访问层：用户和蜘蛛请求非规范版本时，服务器直接把它带到规范版本。canonical 管的是索引层：当页面因为历史原因无法立刻跳转，或者参数、打印页等变体必须保留可访问时，用 canonical 告诉搜索引擎“我更希望你把哪个 URL 当作代表”。
canonical 是建议，不是强制指令。只写 canonical 而不做跳转，仍然可能让蜘蛛持续抓取多个版本。
因此，主域层面的变体优先用 301 解决；页面层面的重复，比如带追踪参数的列表页，可以再用 canonical 收敛。两者配合，比只依赖其中一个更稳妥。
sitemap、内链和外链尽量写同一个版本
站点地图是 URL 发现的入口之一，内链是蜘蛛在站内爬行的路径。如果 sitemap 提交裸域，内链却用 www，蜘蛛会认为这是两套地址。外链虽然不可控，但你可以主动联系重要外链方更新，或者至少确保自己发布的内容里链接统一。
可以按这个清单核对：
- sitemap 中的 URL 是否全部使用规范主域和协议；
- 站内导航、面包屑、相关推荐是否统一；
- 页面里的 canonical 是否指向同版本规范 URL；
- RSS、API 输出、分享按钮生成的链接是否统一；
- 旧域名或旧协议是否仍有 200 响应。
HTTPS 迁移后容易留下的尾巴
从 HTTP 换到 HTTPS 时，常见问题不是证书本身，而是旧地址没有全部跳转。比如首页跳了，文章页没跳；主域跳了，带参数的 URL 没跳；sitemap 更新了，但内链模板还是 HTTP。蜘蛛会继续从旧地址发现和抓取页面，收录信号也就继续分散。
另外要检查混合内容：HTTPS 页面里如果还引用 HTTP 的图片、脚本或样式，浏览器可能拦截，蜘蛛也可能对页面质量产生负面判断。这未必直接导致不收录，但会增加页面正常呈现的不确定性。
怎么检查主域是否已经统一
不需要复杂工具，按顺序做几步就能看出大概：
- 用浏览器无痕模式访问四个变体，确认最终地址都跳到同一个规范版本；
- 查看跳转状态码是否为 301，而不是 302 或 JS 跳转；
- 在服务器日志里筛选非规范主域的请求，看蜘蛛是否还在抓；
- 检查 sitemap 和主要内链模板，确认没有混用；
- 在搜索资源平台查看已收录 URL，看是否有多个版本同时出现。
如果发现多个版本都在索引里，先不要急着用删除工具。把跳转和 canonical 理顺，让蜘蛛重新抓取规范版本，通常比直接提交移除更合适。移除工具适合处理已经失效或必须下线的 URL，不适合替代规范化。
统一主域不等于保证收录
把主域、协议、sitemap 和内链统一，作用是减少重复 URL 带来的信号分散，让蜘蛛更清楚哪个地址值得抓取和索引。它不能保证页面一定被收录，也不能让低质量页面变成高质量页面。收录与否还取决于内容、页面体验、站点整体质量和蜘蛛的抓取安排。
但这项工作成本低、影响面清楚。如果你正遇到“同一篇内容只收录一条”“旧地址还在被访问”“新页面发现慢”等情况，先检查主域是否统一，往往能排除掉一批本可以避免的干扰。