自己写的内容，被别的站转载或采集，结果搜索里出现的是对方那个页面——这类情况在中小站点里并不少见。它带来的直接疑问是：同一份内容存在多个地址时，索引到底保留哪一个？这件事没有一条“先到先得”的硬规则，但有几类信号会明显影响结果。
索引去重看的是多个信号，不是单一条件
搜索引擎在建立索引时，会对内容做相似度聚类。同一份内容落在多个 URL 上，索引通常只会挑一个作为主要展示版本，其余的要么被归并，要么留在索引里但很难被检索到。挑哪个版本，取决于一组信号的综合判断，而不是某一个开关。
如果两个页面的正文几乎一致，差异只在页头和页脚，那基本可以视为同一内容。这种情况下，站点自身的可访问性、内容完整度、被抓取的稳定性，往往比“谁先发布”更有分量。
哪些因素会影响保留的版本
- 发现与抓取的时间：先被蜘蛛发现、且能稳定返回内容的页面有先入为主的优势，但这只是起点。
- 页面可用性：服务器响应慢、经常返回 5xx、需要登录或大量依赖脚本渲染的页面，被抓取和解析的概率都会下降。
- 站点整体质量：长期稳定更新、有一定外部引用、结构清晰的站点，其页面更容易被当作主要版本。
- 内容完整度：带完整正文、图片说明、结构化数据的版本，比只剩摘要或正文被截断的版本更有优势。
- 显式信号：canonical 标注、站点地图、robots 规则、链接指向，都会给出明确提示。
- 链接与引用：外部链接更多指向哪个 URL，索引就更可能把它当作主版本。
canonical 是提示而不是命令。当站点给出的信号互相冲突时，索引会按自己的判断做取舍，所以别把去重完全寄希望于一个标签。
站内的重复同样值得处理
很多“被别站抢先”的案例，源头其实在自己站内。同一份内容可能出现在：
- 带参数的列表页与筛选页；
- 移动版、打印版、AMP 版；
- 标签页、聚合页、归档页；
- 大小写、结尾斜杠、带 www 与不带 www 的不同写法；
- 分页的第一页与不带分页参数的地址。
这些形态如果不收敛，索引里就会出现多个地址指向相似内容，权重被分散，也让外部页面更容易抢到展示位置。处理方式比较固定：能 301 的统一跳转到一个地址，不能跳转的用 canonical 指向主版本，参数页尽量用 robots 规则限制抓取，内链统一指向规范地址。
内容被别人采集或转载时怎么做
- 先确认自己那一版是否已经进入索引。如果自己的页面还没被收录，谈“被抢”就为时过早，优先解决自己页面的抓取与收录问题。
- 确认页面是否能稳定访问、正文是否完整渲染、canonical 是否指向自己，基础条件不满足时先修自己这边。
- 对主版本做实质性更新：补充数据、案例、图表说明或更新时间，让两个版本的差异变得明显。
- 加强主版本的入口：内部链接、站点地图、对外分享与引用，让蜘蛛更频繁地回到这一版。
- 必要时通过平台投诉渠道处理整站搬运，但不要把收录结果完全押在这条路上，它通常见效较慢。
一份可以照着做的自查
- 同一内容是否只对应一个规范 URL，其余形态是否已收敛。
- 主版本是否能在不登录、不依赖复杂脚本的情况下读到完整正文。
- 站点地图与内链是否都指向规范地址。
- 页面是否有明确的更新时间、作者与来源信息。
- 重点页面的被抓取频率是否正常，是否长期停留在“已发现未抓取”。
重复内容的处理，本质上不是和别人争一个结果，而是把自己这一版的信号做清楚：一个地址、一份完整内容、稳定的可访问性、清晰的入口。这些条件具备之后，索引保留哪个版本，通常不会太让人意外。