一个页面，理论上应该只有一个地址。但在实际站点里，同一个页面往往能出现好几种写法：带尾斜杠和不带尾斜杠、大写小写混用、URL 后面挂着一长串参数。站内不同位置链接写法不一致时，蜘蛛看到的可能就是几个看起来不同的地址。
一个页面变成多个地址，通常出在哪儿
- 结尾斜杠：/about 和 /about/ 是不是同一个页面，取决于服务器怎么处理。两边都能正常返回内容时，客观上就是两个地址。
- 大小写：/News 和 /news 在多数服务器上是不同的路径，即使它们渲染出同一个页面。
- 跟踪参数：utm_source、utm_medium、fbclid、gclid 这类参数，每分享一次就可能生成一串新地址。
- 会话与筛选参数：sid、sort、page、filter 这类参数，用户点几下就能组合出大量变体。
- 编码差异：中文路径、空格、特殊符号会被编码成百分号形式，不同地方编码方式不一致时，地址也会不同。
- 内链写法不统一：导航用绝对地址、正文用手写相对地址，同一个页面被链成了好几种写法。
多地址会带来哪些实际问题
- 抓取被分散：蜘蛛可能把有限的时间花在同一份内容的不同地址上，真正需要被抓的新页面反而排到后面。
- 信号分散：外链、内链、点击分别落在不同地址上，判断哪个是主版本时依据会被削弱。
- 重复内容：同一份内容以多个地址进入索引，索引要自己挑一份留下来，挑中的不一定是你在意的那份。
- 数据对不上：核对收录覆盖率时，同一个页面临时被算成好几条，数字会失真。
处理顺序：先统一站内，再处理外部
站内链接是最容易控制的一环，把这一环做干净，后面的事会简单很多。
- 定一套规则：是否带尾斜杠、路径是否统一小写、哪些参数允许保留，写进开发规范。
- 站内所有链接按规则生成：导航、面包屑、正文、站点地图、分页，同一页面只出现一种写法。
- 服务器层面统一：把不规范的写法 301 到规范地址，而不是让两边都能打开。
- 在页面里用 canonical 指明主版本，作为兜底，而不是唯一手段。
canonical 是一个提示，不是强制指令。它能帮助判断主版本，但不等于服务器重定向，两者不能互相替代。
跟踪参数和筛选参数怎么处理
跟踪参数往往是外部带进来的，站点控制不了别人怎么分享，但可以控制自己的响应方式：页面里的 canonical 指向不带参数的版本；对外分享统一使用干净地址；纯筛选、纯排序类参数，可以考虑在 robots.txt 里限制抓取。
这里有一个常见误解需要说清楚：限制抓取不等于该地址不会出现在索引里。如果别处有链接指向它，索引仍可能只凭链接信息把它收录进来，只是内容片段会比较粗糙。所以 robots.txt 更适合当作减少抓取浪费的手段，而不是去重手段。
几个容易忽略的细节
- 换框架或改版后路由规则变了，旧写法可能没配重定向，直接变成 404 或另一个页面。
- 站点地图里给出的地址要和站内链接写法一致，否则等于自己制造了两套地址。
- 搜索框生成的站内搜索结果页，通常不适合进入索引，需要有明确处理方式。
- 中文 URL 建议统一编码形式，避免同一路径出现两种百分号写法。
自检可以从这几件事开始
- 随机挑几个页面，用不同方式访问（加不加尾斜杠、改大小写），看服务器怎么响应。
- 用抓取工具拉一遍全站内链，看同一个页面是否存在多种写法。
- 核对站点地图与实际链接是否一致。
- 检查 canonical 是否指向真正对外的主版本，而不是另一个变体。
- 看服务器日志里带参数的请求占比，判断参数变体有没有在被大量抓取。
URL 规范化不是一次性工作，更像一条需要长期维持的规则。站点结构越复杂、上下游改动越频繁，越容易重新长出不一致的地址。把规则写进模板和发布流程，比事后一个个补重定向要省事得多。