同一批商品、同一篇说明，因为栏目归档、参数拼接、打印页、移动版或历史域名，被复制成好几个 URL，是站点里很常见的状态。这些页面各自都能打开，状态码也都是 200，但索引里通常不会把它们全部留下。理解索引怎么处理这类同内容 URL，比反复提交更有效。
索引先去重，再决定留谁
蜘蛛是按 URL 逐个抓取的，索引却是按内容做归并的。同一份主体内容出现在多个 URL 上时，搜索引擎会先判断它们是不是同一份，再从中挑一个作为展示用的 URL，其余的要么被合并，要么留在库里但不参与展示。
所以看到收录数明显少于 URL 数时，先别急着当成收录失败。有一部分 URL 从一开始就不适合独立占一个索引位。
常见的重复来源
- 栏目路径不同、内容相同，比如 /a/123 和 /list/a/123
- 排序、分页、来源追踪参数拼接出的副本
- 打印页、移动版、AMP 等平行展示版本
- 带和不带结尾斜杠、带和不带 index.html
- 历史域名或测试域名仍然可以解析访问
- 被采集或转载后形成的站外同文
索引倾向留下哪一个 URL
当多个 URL 内容相近，索引会更倾向于选择信号更集中的那一个。常见的影响因素有：
- 被内链指向更多、入口更靠近首页的那个
- 外部链接更多指向的那个
- canonical 指向一致、全站没有互相矛盾的那个
- URL 更简洁、参数更少的那个
- 抓取和加载都更稳定的那个
需要留意，这是倾向而不是规则。同一批页面在不同时间点被选中的 URL 有可能变化，尤其在 canonical 与内部链接指向不一致的时候。
与其猜测索引最终会挑哪个 URL，不如让全站信号都指向同一个 URL，把这道选择题变简单。
收敛思路：先定主 URL，再统一信号
收敛的核心是选定一个主 URL，然后让所有相关信号都指向它：
- 内部链接一律指向主 URL，不在列表页、面包屑里混用变体
- canonical 指向主 URL，且主 URL 自身自指
- sitemap 里只放主 URL
- 对确实不需要独立存在的变体，用 301 或在入口层面直接去掉
- 能靠参数生成的副本，尽量在链接生成阶段就不产生
这里最容易出问题的是半收敛：canonical 已经指向主 URL，但列表页和面包屑还链向变体，两套信号互相矛盾，索引只能自己再判断一次。
收敛之后看什么
观察点可以分成三层：
- 变体 URL 是否还在被频繁抓取。如果抓取量没降，通常说明入口还没清理干净。
- 主 URL 是否稳定出现在索引里，并且对应到正确页面。
- 搜索结果中展示的 URL 是否稳定，避免在几个变体之间来回跳。
这个过程往往需要几轮抓取周期，不必每天反复调整 canonical 或重复提交。频繁改动信号，反而会让判断更难收敛。
站外同文能做的有限
站外转载造成的同文，站内可操作的空间不大。能做的还是那几件事：让主 URL 的内外链信号更集中，保证首发时间可查，内容本身带有不易搬运的部分。指望靠一个标签就让别人的转载页面消失，并不现实。
同内容多 URL 的收录问题，本质不是让搜索引擎收下更多页面，而是把重复的部分合并掉，让真正需要被搜到的那个 URL 拿到更干净的信号。先理清哪些 URL 本该只有一个，再谈收录数量。