URL 里出现中文、空格、大写字母，是很多站点运营一段时间后才会注意到的问题。它通常不会让页面立刻出状况，但当同一批内容存在多种写法时，核对收录就变得麻烦：日志里、站点地图里、内链里各是一套地址，最后很难判断到底有多少个页面真的进了索引。
先分清：URL 在传输时会先被编码
浏览器地址栏里显示的中文，实际发出请求时通常已经变成 %E4%B8%AD 这样的百分号编码。搜索引擎抓取时看到的也是编码后的形式。所以同一个中文地址，可能以原始字符形式出现在你的链接里，以编码形式出现在服务器日志里。这两种写法指向同一个资源，不算两个页面，排查时不要把它们当成重复 URL 去计数。
需要留意的是编码方式本身要稳定。同一个字用 UTF-8 编码是固定结果，但如果站点中途换过编码，或者部分链接手工拼错了百分号序列，就可能真的产生一个无法解析的地址。
大小写：取决于服务器，而不是搜索引擎
URL 的大小写敏感性由服务器和框架决定。Windows 上的 IIS 默认不区分，多数 Linux 环境区分。/Article/1 和 /article/1 在区分大小写的服务器上是两个不同地址，返回的可能是一个页面加一个 404，也可能两个都是 200，还可能其中一个做了跳转。
麻烦的地方在于，搜索引擎只是按照你服务器返回的结果来处理。如果两种写法都返回 200，它就有理由把它们当成两个 URL 分别抓取。统一写法比事后补救省事得多：站内链接、导航、站点地图、canonical 尽量使用同一套小写路径。
大小写混乱的常见来源
- 程序自动生成路径时保留了标题或分类的原始大小写；
- 编辑手工填写内链，凭记忆敲路径；
- 旧版页面用大写，改版后统一小写，但旧链接没有做跳转；
- 外部链接、论坛、社交平台上流传的地址写法不一致。
空格、下划线和连字符
URL 里出现空格并不合适，虽然浏览器会自动转成 %20，但复制、粘贴、被第三方系统处理时容易断掉。用连字符代替空格是更常见的做法，下划线也可以用，只是连字符在可读性和链接识别上更普遍一些。
关键不在于选哪一种，而在于不要同一批页面两种都用。如果 /site-map 和 /site_map 同时存在且都能打开，那就是两个地址。
结尾斜杠与扩展名
带斜杠和不带斜杠的写法，在很多服务器上是两个不同路径。/about 与 /about/ 都可能返回 200。这时要么用 301 把其中一种固定跳到另一种，要么用 canonical 指明首选地址。只靠内链统一往往不够，因为外部链接不受你控制。
是否保留 .html、.php 这类扩展名，本身不影响收录。真正影响的是同一个页面能否通过带扩展名和不带扩展名两种地址打开。如果两种都返回 200 且内容一致，就需要考虑合并。
参数的顺序与冗余参数
?id=12&page=1 和 ?page=1&id=12 在大多数服务器上返回同样的内容，但对搜索引擎来说，URL 字符串不同就是不同地址。常见的处理方式是在服务器或 CDN 层做参数排序，或者用 canonical 指向规范形式。
另外，那些对内容没有影响、只是用来标记来源的参数（会话 ID、追踪码），最好不要出现在站内链接里，否则每分享一次就可能多出一个地址。
排查与统一的顺序
- 从服务器日志或索引状态报告中，导出一段时间内被访问的 URL 列表；
- 按路径分组，找出指向同一内容的多套写法；
- 确定每一组里的首选地址，其余写法做 301；
- 检查站内链接与站点地图，确认只出现首选地址；
- 给页面补上 canonical，作为外部链接写错时的兜底；
- 改完后观察一段时间，确认旧写法不再被频繁抓取。
如果只是个别页面的小写大写不一致，不必大动干戈；真正值得处理的是那些已经产生多个 200 响应、并且都被抓取过的地址。
几个常见误区
- 以为大小写问题搜索引擎会自己判断。它按照服务器返回的结果判断，服务器不区分，它就没有理由合并。
- 只看浏览器地址栏。浏览器会帮你补全或隐藏编码，日志和源码里的写法才是抓取时看到的样子。
- 做了跳转就不再检查。重定向链过长或跳错目标，会让抓取路径变复杂，定期抽查仍有必要。
总结一下：URL 写法问题大多不致命，但会持续消耗核对收录数据的成本。把编码、大小写、斜杠、参数这几项统一到一套规则上，并让站内所有出口都遵守这套规则，后续看索引数据时会轻松很多。