canonical 标签的作用是告诉搜索引擎「这份内容应该用哪个 URL 作为代表版本」。它和 noindex、nofollow、robots.txt 不是一类东西，但经常被混在一起讨论。入口页里放了 canonical 指向别的地址，搜索蜘蛛还会不会跟进页面里的目标 URL？答案取决于 canonical 指向谁，以及页面本身还能不能被正常抓取。
先分清 canonical 管的是索引，不是抓取
canonical 属于索引层面的偏好信号。它表达的是「同一份或高度相似的内容，请以我指定的那个 URL 为准」，并不等于命令搜索蜘蛛停止抓取当前页面。搜索蜘蛛通常仍会访问入口页、解析 HTML，并沿页面里的链接继续爬。真正直接阻止抓取的是 robots.txt 的 Disallow，真正让页面不进索引的是 noindex，真正让单条链接不被跟进的是一条链接上的 nofollow。这三者和 canonical 的作用点不在同一层。
三种常见情形，搜索蜘蛛的反应并不一样
情形一：指向同站另一个页面
如果入口页的 canonical 指向同站、内容相近的另一个页面，搜索蜘蛛一般还会抓取入口页，也可能继续跟进页内链接，但入口页本身被单独索引的机会变小。对「发现 URL」这件事来说，链接通路通常还在，只是这个入口页的索引权重被转移了。
情形二：指向外部域名
把 canonical 指向外部域名，等于把这份内容的代表版本让给别的站点。入口页仍然可能被抓取，链接也可能被跟进，但页面被索引的概率明显下降。长期这样写，入口页在站内承担链接枢纽的价值会被打折，不太适合用来做 URL 发现。
情形三：指向自身
canonical 指向自身是最常见的规范写法，等于声明「本页就是正式版本」。它不会拦抓取，也不会挡链接跟进，属于中性甚至正向的写法。
真正会拦住搜索蜘蛛的几件事
- robots.txt 里的 Disallow：直接阻止抓取，页面里的链接也就无从被发现。
- noindex 或 x-robots-tag: noindex：页面不进索引，但抓取和链接跟进通常仍会发生。
- 单条链接上的 nofollow：只影响那一条链接，不影响整个页面的抓取。
- 页面返回 4xx / 5xx：抓取失败，链接自然看不到。
- 需要登录、被 WAF 拦截、JS 报错导致内容为空：也会影响抓取与解析。
canonical 不在这个名单里。把它当成「抓取开关」来处理，往往会误判问题所在。
想把入口页当链接枢纽，写法可以更稳一些
- 入口页的 canonical 指向自身，或者干脆不加 canonical。
- 页面返回 200，正文有实际内容，不要只剩一行链接。
- 链接使用可解析的 a 标签，href 写完整地址，避免纯文本或残缺写法。
- 同一入口页上不要同时出现 noindex 与 nofollow 的叠加限制。
- 入口页之间保持一定差异，不要所有页面除链接外几乎一模一样。
canonical 回答的是「用哪个 URL 代表这份内容」，不是「要不要抓这个页面」。想让搜索蜘蛛跟进链接，先保证它抓得到、解析得了。
排查清单
- 查看页面源代码里的 canonical，确认是绝对地址还是相对地址、指向自身还是别处。
- 用抓取测试工具看搜索蜘蛛实际拿到的 HTML 与渲染结果，确认链接是否可见。
- 翻服务器日志，确认搜索蜘蛛是否访问过入口页，以及是否继续请求了目标 URL。
- 如果入口页的唯一作用就是铺链接、本身不需要被索引，不加 canonical 也可以，别用错写法制造额外噪声。
canonical 写错不会像 robots.txt 那样立刻把搜索蜘蛛挡在门外，但它会把入口页的索引价值悄悄转移走。做 URL 发现时，把「能不能抓到」和「用哪个 URL 代表内容」分开看，很多疑问会自然消解。