做站点运营的人经常遇到这样一幕：站长平台显示已收录两万条，site 指令查出来只有几千条，日志里蜘蛛抓过的 URL 又是另一个数量级。三个数字对不上，很容易让人怀疑站点出了大问题。多数情况下不是谁统计错了，而是三方统计的根本不是同一件事。
三个数字各在统计什么
站长平台的索引量
它对应的是“已编入索引、有资格参与展现”的 URL 数量，通常是估算和平滑处理后的结果。更新有延迟，也不保证每一条都能单独查得到。它的价值在趋势，不在绝对值。
site 指令的返回数
site 返回的是一个估算值，会随查询节点、时间点、查询写法以及是否加目录而波动。同一站点上午和下午差出一半并不罕见。它适合做抽样验证，不适合当收录基准。
日志里的抓取数
抓取和索引是两个环节。日志记录的是蜘蛛来过多少次、抓走多少 URL，其中相当一部分本来就不该进索引，比如参数页、重复页、无实质内容的页面。拿抓取量对比收录量，相当于拿进货单对比上架商品数，天生对不上。
核对差异的四个步骤
- 统一时间窗口。日志取最近七天的完整数据，平台数据取同一时间段，避免拿今天的抓取量和上个月的收录量作比较。
- 统一域名与协议版本。http、https、www、非 www，以及子域和移动端域名，如果分别算在两套口径里，差值会凭空出现。
- 抽样比对具体 URL。从日志里挑二十到五十条已抓取的 URL，逐个查收录状态，看是确实没收录，还是收录了但统计里看不到。这一步能把笼统的差异落到具体页面上。
- 区分抓取、索引、展现。被抓过不等于被索引，被索引不等于有展现。三个环节各自有各自的过滤条件，混在一起看只会得到一团乱麻。
三类常见的“假差异”
- 带参数的 URL。跟踪参数、排序参数生成的大量变体，有的被合并统计，有的被单独计算，差额往往来自这里。
- 模板类页面。分页、标签、筛选页在不同工具里的归属规则不一致，容易造成几千条的出入。
- 统计延迟。平台数据往往滞后数天到两周，刚发布的页面在平台里查不到，属于正常现象。
什么样的差异才值得动手
如果只是某一次查询对不上，通常可以放过。真正需要处理的是方向上的一致性变化：索引量连续两到四周下滑，同时日志显示抓取正常、返回码正常；或者新增内容长期抓取正常却始终不进索引。前者要查内容质量与重复问题，后者要查页面本身是否存在阻碍索引的设置。
反过来，索引量正常而 site 查不到，多半只是估算问题，不必为了一个查询结果去改站。
收录数字是估算，趋势才是信号。单个数字的绝对值参考意义有限，连续的方向变化才值得投入排查成本。
把核对变成固定动作
与其每次看到差异就慌，不如把它变成每周一次的固定动作：记录平台索引量、抽样若干 URL 的收录状态、统计日志里的抓取分布。坚持几周之后，你会知道自己的站点“正常”是什么样子，任何偏离都会第一时间被识别出来，而不是等到流量掉了才开始翻日志。