站内筛选、排序、广告追踪这些功能，都会在 URL 后面挂上参数。对用户来说方便，对搜索引擎来说，可能意味着同一个页面出现了十几个可访问地址。参数 URL 要不要收录，不能一刀切，先看它有没有独立价值，再决定收口方式。
参数 URL 通常从哪来
把站内链接翻一遍，常见的参数大致分三类：
- 功能参数：筛选（?color=red）、排序（?sort=price_asc）、分页（?page=2）。这类页面通常由用户主动操作产生，内容会随参数变化。
- 追踪参数：utm_source、gclid、fbclid、from=wechat 等。它们不改变页面内容，只用于统计来源。
- 会话与临时参数：sessionid、sid、timestamp、随机缓存标记。这类参数对用户和搜索引擎都没有意义。
三类参数混在一起时，URL 组合会迅速膨胀。一个列表页加上颜色、尺寸、排序、页码，很容易生成几百个入口。
搜索引擎会怎么处理
搜索蜘蛛发现带参数的链接后，通常会先抓取一部分。如果参数页面内容与原页面高度相似，搜索引擎可能选择忽略参数、归并到主版本，也可能把参数版本单独收录。具体行为并不固定，所以不建议把收口完全交给算法判断。
参数本身不是问题，参数带来的重复内容和抓取消耗才是。
先判断：这个参数页面有没有独立价值
处理之前，先给参数页分堆。
可以保留的参数
- 筛选组合本身是用户常见需求，比如“城市 + 户型 + 价格区间”，并且页面有独立标题、描述和可读内容。
- 分页参数指向不同批次的内容，第 2 页有独立收录价值。
- 站内搜索结果的参数页面通常不建议收录，除非你已经为它做了独立优化。
应当收口的参数
- 追踪参数：utm_*、gclid、fbclid、来源标记。
- 会话与随机参数：sessionid、sid、时间戳。
- 排序参数：同一批内容换个顺序，不产生新页面。
- 容易被爬虫无限组合的筛选参数：多选叠加、空值组合。
处理顺序：从影响小的做法开始
- 内链和站点地图只放干净 URL。站内跳转尽量使用无追踪参数的地址，减少蜘蛛发现参数入口的机会。
- 追踪参数用 301 或规范化处理。如果参数不影响内容，可以让带追踪参数的 URL 重定向到无参数版本，或者在页面 head 里用 canonical 指向主版本。
- 排序、会话参数优先重定向。这类参数没有独立内容，301 到默认列表页比 canonical 更直接。
- 筛选参数按价值决定。有独立价值的保留，但每一组可索引筛选都要有明确入口和 canonical 自指；没有独立价值的，用 robots.txt 屏蔽抓取或加 noindex。
- 分页参数保持可抓取。分页不要用 robots.txt 屏蔽，也不要在第 2 页加 canonical 指向第 1 页，这样容易让后续内容失去被抓取的机会。
注意 robots.txt 控制的是抓取，不是索引。如果参数 URL 已经被外链指向，屏蔽抓取后仍可能出现在索引里，只是没有摘要。要让它退出索引，需要配合 noindex 或 301。
几个容易踩的点
- canonical 指向了带参数的 URL。检查模板输出，别让 canonical 跟着当前 URL 走，把 utm 参数也带进去。
- JS 筛选直接改写地址栏。用 pushState 生成大量可访问 URL，蜘蛛执行脚本后可能逐一发现，需要在路由层做收口。
- 筛选和分页叠加。?color=red&page=5 这样的组合，如果没有独立内容，建议只保留一种参数维度。
- 站内搜索页被大量外链。搜索结果页参数多、内容重复，通常不值得收录，发现后尽早加 noindex。
怎么验证收口有没有生效
- 看服务器日志里带参数请求的占比，如果持续偏高，说明蜘蛛还在反复抓取这些地址。
- 在 Search Console 的覆盖率报告里，关注“已排除”中与参数相关的分类是否在下降。
- 随机抓几个参数 URL，检查返回状态码、canonical 和页面标题是否与预期一致。
参数 URL 不是一律要屏蔽。先分清哪些有独立价值，再按“内链控制—重定向—canonical—noindex”的顺序逐层处理，比一次性全站屏蔽更稳妥，也更容易在后续排查中定位问题。