排查收录问题时，重复内容常被当成一个笼统的罪名。更实用的分法是两类：一类是同一个页面被多个 URL 指向，属于 URL 规范问题；另一类是不同 URL 上的正文高度相似，属于内容层面的重叠。两者的排查入口不一样，混在一起看，很容易在错的地方反复改。
先分清是 URL 重复还是内容重复
如果两个地址打开后基本是同一份 HTML，差别只在参数、大小写、结尾斜杠，那要处理的是 URL 规范，重点在 canonical 与内链写法。如果两个地址各自是独立页面，但正文段落大段雷同，那就是内容重叠，重点在于合并内容、补齐差异，或者明确主次关系。
站内常见的几种内容重叠
- 聚合页与详情页：标签页、分类页、归档页把详情页的标题和摘要整段搬过来，页面主体几乎一致。
- 一稿多栏目：同一篇文章同时挂在多个栏目下，生成多个地址，内容完全相同。
- 排序与视图参数：同一批商品按价格、销量切换，正文不变，只是顺序不同。
- 附属版本页：打印页、移动版与主版本内容一致，却没有做任何指向声明。
- 系列文章切分：把一篇长文拆成多页，每页只有一小段，单独看都偏薄。
代表页面是怎么被挑出来的
面对一批近似页面时，搜索引擎通常会选一条作为代表保留，其余的归并或减少展示。它参考的线索大致包括：哪个地址被内链引用得更多、哪个版本内容更完整、canonical 指向哪里、哪个地址更早出现。这个过程不完全受我们控制，能做的只是把线索交代清楚，而不是指望某一条必然入选。
处理顺序：先合并，再收敛，最后才排除
- 内容确实重复、且没有独立价值的页面，优先合并到主页面，旧地址做 301 跳转，让流量和权重集中到一个入口。
- 内容部分重叠但页面本身有用的，比如聚合页，给它补上独有的部分——筛选说明、人工整理的导语、适用场景，让页面不只是详情页的搬运。
- 需要保留但不想参与索引的，先用 canonical 指向代表页；确认页面没有任何访问价值后，再考虑 noindex。注意 canonical 与 noindex 同时使用容易互相打架，一般不要两个都加。
- 处理完一批后隔几周再回看索引状态，确认代表页是否收敛，不要当天就下结论。
跨站重复：自己把同一篇发到多个平台
不少站点会把文章同步到公众号、知乎、行业论坛。这类重复未必是坏事，外部平台能带来曝光和链接。想减少被当成无来源转载的情况，可以在转载版本里保留原文出处、作者与首发时间，并保证自己站上的是完整版本。效果没有保证，但比多个平台各发一份、措辞完全一致要清楚一些。
几个容易走偏的做法
- 以为加了 canonical 就万事大吉，正文本身的重叠一点没动。
- 把 noindex 当万能药，连有独立价值的聚合页也一起排除。
- 认为只要出现重复内容就一定会被惩罚。多数情况下它影响的是哪一条被选中，而不是站点整体。
处理重复内容的核心不是删页面，而是让每一批近似页面里有一条明确的代表，其余页面要么合并、要么补齐差异、要么明确退出索引。