同一个页面在搜索引擎眼里变成好几个地址，是收录里很常见的一类问题。表现是索引中出现多个相似 URL，权重被分散，内容改了一版却只更新了其中一个。多数情况不是蜘蛛抓错了，而是站点自己给了它太多入口。
常见的 URL 分裂来源
- 大小写：/Page 与 /page 在部分服务器上属于两个地址。
- 结尾斜杠：/a 与 /a/ 同时可访问，且都返回 200。
- 协议与域名：http、https、www、非 www 混用。
- 跟踪参数：?from=xxx、?utm_source=xxx 生成大量变体。
- 参数顺序与重复：?a=1&b=2 与 ?b=2&a=1。
- 分页、排序、筛选参数被当成独立内容页处理。
- 会话 ID、打印页、移动独立域名等历史遗留地址。
先分清哪些算同一个页面
判断依据不是 URL 长得像不像，而是主体内容是否一致：标题、核心正文、主要模块是否相同。只有参数不同、结果集完全一样，通常算同一页面；筛选后展示的是另一批商品或另一组文章，它其实是不同的页面，需要单独考虑是否值得收录。
该合并的
- 只差跟踪参数、大小写、斜杠、协议域名的地址。
- 排序方式不同，但内容集合相同的列表页。
该单独对待的
- 筛选出真实不同结果集，并且确实有搜索需求的页面。
- 分页中的关键页，尤其是有内链入口、深度较大的页。
收口的顺序建议
- 先定一个规范地址：协议、域名、路径写法全站统一。
- 服务端做 301：把旧写法、大小写变体、带跟踪参数的地址跳到规范地址，而不是都返回 200。
- 内链全部指向规范地址：导航、面包屑、正文链接、分页链接都要改，别只改一处。
- canonical 与 301 保持一致：canonical 指向的地址应就是 301 的目标，不要互相矛盾。
- 站点地图只提交规范地址，减少额外入口。
- 参数页按价值处理：无价值的筛选组合用 noindex 或 robots 收口，结果唯一且有价值的保留，并给独立标题。
收口之后要观察什么
- 日志中这些变体地址的抓取是否下降，是否转向规范地址。
- 索引里相似 URL 的数量是否在减少，这通常需要时间，不会立刻变化。
- canonical 是否被采纳，可以看搜索引擎最终选择的规范地址。
- 规范地址自身的收录与表现是否稳定，而不是只看索引总数。
301 是给蜘蛛的强信号，但不是立刻生效的开关。旧地址在索引里存在一段时间属于正常现象，重点是不让多个可访问、可被抓取的版本长期并存。
几个容易踩的坑
- 用 JS 跳转代替 301，蜘蛛未必按预期跟随。
- canonical 指向一个本身返回 404 或需要登录的地址。
- 把所有参数页一刀切屏蔽，连有搜索需求的筛选页也一起挡掉。
- 只改站点地图不改站内链接，蜘蛛仍能从内链发现旧地址。
URL 收口本质上是减少重复入口，让同一个页面只留下一个明确身份。先把地址统一，再谈收录推进速度，顺序反了往往会反复返工。