同一件事在站内写了两三遍，或者一篇文章被放到多个栏目下，每个地址都能打开——这是很多站点都会遇到的情况。时间一长，搜索索引里往往只会留下其中一个，其余的要么不进索引，要么时进时出。与其反复提交，不如先弄清楚索引在做怎样的选择。
站内近似页面通常从哪来
- 一篇文章同时挂在多个栏目、专题或标签下，每个入口生成独立 URL；
- 产品有多个规格或型号，页面正文只差几行参数；
- 城市站、分站批量套用同一套模板，只替换地名；
- 旧版本页面没有下线，和新版本长期并存；
- 列表页、筛选页把同一批内容反复组合出来。
这些页面单看都能正常打开，但对索引来说，它们提供的信息高度重叠。
索引为什么只留一个
索引的资源是有限的。当多个地址指向几乎相同的内容，索引通常会从中挑一个作为代表，其余地址要么被合并，要么被排除。挑选过程并不完全由你决定，可能参考这几类信息：
- 哪个 URL 更早被稳定抓取；
- 哪个地址获得的外链和点击更多；
- 页面本身的完整性、加载表现；
- canonical、内链指向等信号是否一致。
问题在于，如果站内信号互相矛盾——比如 A 页 canonical 指向 B，内链却大量指向 A——索引可能反复切换代表地址，表现出来就是收录地址今天一个明天一个。
多个近似页面同时存在时，真正的风险不是少收录了几页，而是索引不知道该认哪一个。
先找出这些页面
不用专业工具也能做初步排查：
- 挑几篇你熟悉的文章，把标题原样拿去搜，看站内出现了几个不同 URL；
- 在站点内搜索同一关键词，观察结果里是不是同一内容换了标题重复出现；
- 检查栏目页、标签页、专题页，是否把同一批文章反复列出并各自成页；
- 对照索引状态，找出已抓取未编入索引且明显是重复的地址。
处理顺序：先收口，再谈收录
1. 能合并的直接合并
如果两个页面讲的是同一件事，最干净的做法是把内容合成一个页面，保留主地址，其余地址 301 到主地址。合并后主页面信息更完整，也更值得被索引。
2. 不能合并的，做出真实差异
城市站、规格页这类页面如果必须独立存在，就要有各自独有的内容：本地信息、独立参数、不同场景的说明。只换地名的模板页，很难指望每一个都被当成独立页面看待。
3. 用 canonical 表达唯一主地址
canonical 是给索引的建议，不是命令。它要和内链、sitemap、跳转方向保持一致才有效。如果页面上标了 canonical，站内链接却都指向另一个地址，这个信号基本会被抵消。
4. 内链和 sitemap 只指向主地址
近似页面的收敛，很大程度靠链接。站内导航、列表、相关推荐里如果同时挂着多个近似地址，等于一直在告诉蜘蛛这些都重要。sitemap 里也应该只保留主地址。
5. 实在不需要的，明确挡掉
筛选组合页、站内搜索结果页这类没有独立价值的地址，可以考虑用 robots.txt 拦抓取，或加 noindex。两者定位不同：前者阻止抓取，后者让页面被抓到但不进入索引。要根据页面是否还需要被读取来选。
几个容易走偏的做法
- 把希望寄托在批量提交。重复地址提交得再多，也不会因此都被收录。
- 给每个近似页面改标题就算差异化。正文骨架相同，改标题作用有限。
- 主地址还没定，就先做外链。外链分散到多个近似地址，反而让索引更难取舍。
- 一次性大批量处理。索引状态的变化需要时间观察，改动太密集不利于判断哪一步起了作用。
处理完之后看什么
关注三件事：同一批内容的索引地址是否稳定下来；已抓取未编入索引的重复地址是否减少；主地址的抓取和展示是否更集中。索引地址趋于稳定，通常比收录条数增加更有意义。
如果站点规模不大，这类重复往往是历史积累出来的，按栏目一批一批清理，比全站推倒重来更稳妥。