canonical 标簽的作用是告诉搜尋引擎「這份内容應该用哪個 URL 作為代表版本」。它和 noindex、nofollow、robots.txt 不是一類東西，但经常被混在一起讨论。入口頁里放了 canonical 指向別的地址，搜尋蜘蛛還會不會跟進頁面里的目标 URL？答案取决于 canonical 指向谁，以及頁面本身還能不能被正常抓取。
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。它表達的是「同一份或高度相似的内容，請以我指定的那個 URL 為准」，並不等于命令搜尋蜘蛛停止抓取目前頁面。搜尋蜘蛛通常仍會訪問入口頁、解析 HTML，並沿頁面里的連結繼續爬。真正直接阻止抓取的是 robots.txt 的 Disallow，真正让頁面不進索引的是 noindex，真正让單條連結不被跟進的是一條連結上的 nofollow。這三者和 canonical 的作用点不在同一层。
三種常见情形，搜尋蜘蛛的反應並不一样
情形一：指向同站另一個頁面
如果入口頁的 canonical 指向同站、内容相近的另一個頁面，搜尋蜘蛛一般還會抓取入口頁，也可能繼續跟進頁内連結，但入口頁本身被單獨索引的机會變小。對「發現 URL」這件事来说，連結通路通常還在，只是這個入口頁的索引權重被轉移了。
情形二：指向外部域名
把 canonical 指向外部域名，等于把這份内容的代表版本让给別的站点。入口頁仍然可能被抓取，連結也可能被跟進，但頁面被索引的概率明顯下降。長期這样寫，入口頁在站内承担連結枢纽的價值會被打折，不太适合用来做 URL 發現。
情形三：指向自身
canonical 指向自身是最常见的規范寫法，等于声明「本頁就是正式版本」。它不會拦抓取，也不會挡連結跟進，属于中性甚至正向的寫法。
真正會拦住搜尋蜘蛛的几件事
- robots.txt 里的 Disallow：直接阻止抓取，頁面里的連結也就無從被發現。
- noindex 或 x-robots-tag: noindex：頁面不進索引，但抓取和連結跟進通常仍會發生。
- 單條連結上的 nofollow：只影响那一條連結，不影响整個頁面的抓取。
- 頁面返回 4xx / 5xx：抓取失敗，連結自然看不到。
- 需要登入、被 WAF 拦截、JS 报错導致内容為空：也會影响抓取與解析。
canonical 不在這個名單里。把它当成「抓取開關」来處理，往往會誤判問题所在。
想把入口頁当連結枢纽，寫法可以更稳一些
- 入口頁的 canonical 指向自身，或者干脆不加 canonical。
- 頁面返回 200，正文有實际内容，不要只剩一行連結。
- 連結使用可解析的 a 标簽，href 寫完整地址，避免纯文本或残缺寫法。
- 同一入口頁上不要同时出現 noindex 與 nofollow 的叠加限制。
- 入口頁之間保持一定差异，不要所有頁面除連結外几乎一模一样。
canonical 回答的是「用哪個 URL 代表這份内容」，不是「要不要抓這個頁面」。想让搜尋蜘蛛跟進連結，先保證它抓得到、解析得了。
排查清單
- 查看頁面源代碼里的 canonical，確認是绝對地址還是相對地址、指向自身還是別處。
- 用抓取測試工具看搜尋蜘蛛實际拿到的 HTML 與渲染结果，確認連結是否可见。
- 翻服務器日誌，確認搜尋蜘蛛是否訪問過入口頁，以及是否繼續請求了目标 URL。
- 如果入口頁的唯一作用就是铺連結、本身不需要被索引，不加 canonical 也可以，別用错寫法制造額外噪声。
canonical 寫错不會像 robots.txt 那样立刻把搜尋蜘蛛挡在门外，但它會把入口頁的索引價值悄悄轉移走。做 URL 發現时，把「能不能抓到」和「用哪個 URL 代表内容」分開看，很多疑問會自然消解。