做站的时候，URL 往往是最后才被认真对待的部分。栏目名直接写中文、页面标题拼进地址、从别处复制来的链接带着空格和 & ，这些写法浏览器都能正常打开，但在抓取和收录环节会带来一些不必要的麻烦。需要先明确一点：问题不在于“中文 URL 一定不被收录”，而在于同一份内容可能因此产生好几个地址。
URL 里的字符要先经过编码
URL 中允许直接出现的字符是有限的一批。中文、日文、空格、引号等都要先做百分号编码（percent-encoding），才能在地址栏和请求里稳定传输。浏览器通常会在复制或发起请求时自动帮你转换，于是同一个页面可能出现两种写法：一种显示为中文，另一种是 %E4%B8%AD 这样的编码串。
对用户来说两者等价，对搜索引擎和日志分析来说，它们首先是两个不同的字符串。如果站内不同位置分别用了这两种写法，就等于把链接和访问指向了两个地址。
几类容易出问题的字符
- 空格：被编码成 %20，肉眼很难发现，从表格或文档里粘贴链接时最常见。
- #：后面的内容属于片段标识，不会发送给服务器，用在路径中间会让服务器收到一个被截断的地址。
- ? 和 &：是查询参数的起止符号。本来想表达页面名，写成 a&b 就会被解析成两个参数。
- 中文与全角符号：编码后长度变长，链接在分享、贴到论坛或聊天工具时容易被截断或二次转义。
- 大小写：URL 路径在多数服务器上区分大小写，/Page 和 /page 可能是两个地址。
收录环节真正要担心什么
搜索引擎一般能正常处理编码后的 URL，也会把中文形式的链接和它的编码形式对应起来。所以单看一个中文 URL，通常不是收录的直接障碍。
问题出在重复和分散上。同一篇内容，如果站内链接用编码形式、sitemap 用中文形式、外链又是另一种转义写法，蜘蛛就会按多个地址去抓。结果是抓取预算被摊薄，页面之间的信号被拆开；如果 canonical 也没有统一，索引里最终留下哪个版本就更不确定。
另一类影响出现在日志和工具报表里。同一个页面在不同来源下写成不同字符串，统计时会被拆成好几行，看起来像是一批低价值地址，排查时容易绕远路。
把地址收敛到一种写法
- 新建页面时，路径尽量用英文单词、拼音或数字 ID，避开中文、空格和标点。
- 站内所有链接、导航、分页、面包屑统一使用编码后的形式，不要一部分用中文一部分用编码串。
- 对已经存在的多种写法，选一个作为规范地址，其余用 301 跳到规范地址。
- canonical 指向规范地址，并保证 sitemap、内链、canonical 三处写法一致。
- 检查外链和已分享出去的地址，如果发现大量指向非规范形式，可以在服务器端做统一跳转。
自查顺序
如果怀疑 URL 字符影响了收录，可以按这个顺序看：
- 在日志或抓取工具里搜索同一个页面的不同写法，看是否被当成多个地址抓取。
- 对每个页面确认唯一的规范地址，检查 canonical 与 sitemap 是否一致。
- 用站内搜索或爬取工具找出带空格、未编码中文、重复参数的链接。
- 检查服务器是否对大小写、尾斜杠、编码差异做了统一跳转。
URL 字符本身很少直接决定收录与否，它更多是通过“同一内容出现几个地址”来间接影响抓取和索引。把它当成规范化问题来处理，比纠结该不该用中文 URL 更有用。