发现索引里出现一批内容差不多的页面时，很多人的第一反应是加 canonical 或者直接 noindex。但重复内容的成因差别很大，处理手段也不一样。先分清问题属于哪一类，再动手，能少走不少弯路。
先分清两类问题
第一类是同一个页面被多个 URL 指代：带不带 www、结尾有没有斜杠、大小写、参数、会话 ID 等，用户看到的内容基本一致，只是地址不同。第二类是多篇内容相似的页面：列表页、标签页、聚合页与正文页之间主题重叠，或者同一篇文章被拆成几个版本。前者靠 URL 规范收敛，后者往往要从页面定位和内容策略上解决，混在一起处理容易越改越乱。
第一步：确认内容是否真的重复
不要只看标题像不像。抽样打开几个页面，比对正文主体、字段信息和区块结构。常见情况是：标题相似但正文完全不同，这属于模板重复而非内容重复；或者正文一致、周边推荐和评论数量不同，这属于同一内容的不同外壳。判断清楚之后，再决定是保留一个主版本，还是让它们各自独立存在。
第二步：看 URL 层能收敛掉什么
- 协议、主机名、www 与非 www：只保留一个，其余 301 过去。
- 尾斜杠与大小写：在服务器层统一，不要指望搜索引擎自己判断。
- 筛选、排序、追踪参数：能收敛的收敛，能改成锚点或表单提交的更好。
- 分页参数：内容连续的分页保留，纯排序视图尽量收敛到主列表。
URL 层的问题处理起来最干脆，也最容易验证，建议放在最前面做。
第三步：检查页面内的信号是否自相矛盾
URL 收敛之后，页面内部还要给出一致的方向：canonical 指向的地址要和内链、sitemap、面包屑指向的地址相同；分页之间用 rel 标注清楚；同一篇内容的不同语言或地区版本，用对应标签互相说明。任何一个环节指错方向，都会让蜘蛛在两套地址之间来回摇摆。
第四步：聚合页和标签页要不要放手
聚合页和标签页本身有导航价值，但它们经常和正文页争夺同一批关键词。判断标准可以看两点：这个页面有没有独立的编辑内容，例如导语、排序逻辑、人工筛选的条目；以及用户从搜索进来后能不能直接获得答案。前者有、后者能，就让它正常参与收录；只是为了填满栏目而自动拼装的，可以考虑收敛，或者保留在站内但不作为主要入口。
处理顺序与观察节奏
- 先解决 URL 层的重复，确认主版本唯一。
- 再统一站内链接、sitemap 与 canonical 的方向。
- 然后处理内容层面的重复，决定合并、改写还是收敛。
- 最后看抓取日志和索引状态的变化，给两到四周的观察期。
重复内容处理不是一次性动作。站点结构、商品上下架、运营活动都会不断产生新地址，把它当成常规巡检的一部分，比一次性大清理更省力。
如果调整之后索引里的重复地址没有立刻减少，不必急着反复修改。重新抓取和替换索引需要时间，频繁改动反而会让信号变得不稳定。先确认当前设置是对的，再观察变化。