很多站点并不是被外部抄了内容才出现重复，而是自己内部就有了好几份。一篇文章同时发在“行业资讯”和“公司动态”，又被标签页、专题页各摘一段，再加上按分类筛选出的列表页，搜索引擎抓到的同一份内容就有好几个地址。这种情况下，收录本身通常不会出问题，麻烦在于最后被选中的版本不一定是你想推的那个。
站内重复的几种常见来源
- 多栏目同时发布：同一篇稿子挂到两个以上栏目，产生两个正式 URL。
- 标签页与聚合页：用列表或摘要把正文再放一遍，标题和描述高度相似。
- 筛选、排序、分页参数：同一批内容生成大量只差参数的地址。
- 版本类页面：打印版、分享版、移动版等与正文页并存。
- 正文改写但骨架相同：针对不同地区或渠道改几个词，其余完全一致。
搜索引擎遇到重复时会怎么做
大体上是先聚类，再在同一个簇里挑一个代表地址进入索引，其余的要么被合并，要么长期停留在“已发现未收录”的状态。这个挑选过程会参考链接指向、URL 结构、页面完整度、抓取先后等因素。也就是说，你在内链里一直推的地址，不一定是最后被展示的那个。
需要留意的是，重复并不等于惩罚。真正的代价是权重被分散到多个地址上，以及你无法控制展示的是哪个标题、哪个摘要、哪个链接。
先排查，再动手
- 用站点查询看索引里同一篇内容出现了几个地址。
- 拿文章标题的关键片段加引号搜索，看结果是否来自多个 URL。
- 抓一遍全站，比对标题和正文相似度，标出高度重合的组。
- 对照服务器日志，看蜘蛛是否在多个相似地址之间反复抓取。
处理顺序：能合并的先合并
如果两份内容确实只需要一份，最干净的做法是保留一个正式地址，其余做 301 指向它，并把内链统一改过来。这不是“删页面”，而是把入口收拢到一个地址上。
如果两份都必须保留，比如不同栏目确实有各自的导航意义，那就用 canonical 指明主版本，同时保证主版本的正文更完整、内链更多。canonical 是建议而不是命令，搜索引擎仍可能按自己的判断做选择，所以页面本身的一致信号越多越好。
标签页和聚合页要按价值区别对待：能带来真实流量的，保留并让它有自己的独特说明；只是自动罗列内容的，可以考虑收进 robots 或加 noindex。参数页则通过统一规范、限制可抓取参数组合来减少地址数量。
把问题挡在发布前
新内容上线时先问一句：这篇文章的正式地址是哪一个？多栏目发布时，只在一处放正文，其余位置用指向正式地址的入口或简短介绍。标签命名尽量沿用已有词，不要为同一主题反复新建近义标签。列表页和专题页保持标题、摘要上的差异，避免整页复制。
几个容易做过头的地方
- 为了防重复，把有自然流量的旧地址直接 noindex，结果入口没了。
- 全站套用 canonical，连本来就该独立的页面也指向首页。
- 改完当天就下结论，实际上索引更新需要一段时间才能反映出来。
站内重复更多是“地址管理”问题，不是内容质量问题。把同一份内容尽量收拢到一个地址，剩下的交给时间观察。