做收录检查时，很容易遇到这种情况：搜索指令查出来的数量、后台报告里的索引页面数、服务器日志里被蜘蛛抓过的 URL 数，三个数字对不上。有人第一反应是数据出错或者站点出问题，但多数时候，只是三个来源在数不同的东西。
三个数字各自在数什么
搜索指令：估算值
site: 查询给出的是一个粗略量级。它受查询词、时间、地区影响，同一站点不同时间查、加不加关键词，数字都会变。搜索引擎会对近似重复的结果做折叠，也会过滤掉一些不展示的 URL，所以你得到的往往是一个被处理过的近似值，不是资产清单。
后台报告：处理后状态
搜索后台的索引报告按状态分类，例如已编入索引、已发现但未抓取、已抓取未编入索引、重复网页等。它统计的是已经被处理过的 URL，并且会把重复版本归到它选定的规范页上。报告存在延迟，处理完成到状态更新之间通常隔一段时间。
服务器日志：抓取动作
日志记录的是蜘蛛实际请求了哪些 URL、请求了几次、返回什么状态码。它只反映抓取，不反映收录。一个 URL 被反复抓取，仍然可能因为质量或重复问题无法进入索引；反过来，一个页面长期被收录却很少被抓，日志里也可能看不到它。
对不上的常见原因
- 时间窗口不同。日志是实时写入的，后台报告通常滞后一天到几天，查指令得到的又是当下这一刻的估算。
- 范围不同。日志包含被 robots 屏蔽的、带参数的、非规范的 URL，这些通常不会出现在索引报告里。
- 规范化合并。多个近似 URL 在报告里会被合并成一个规范页，日志却会把每个版本分别记一笔，数量自然差得多。
- 采样与估算。查指令的数字本身就不是精确统计，用来做趋势参考可以，用来做逐条核对不行。
几种典型差异怎么读
指令数量远大于报告数量
常见于参数多、筛选页多、分页深的站点。指令可能把一些被折叠或被过滤的 URL 也算进去，报告则只统计处理过并归类的。这种差距通常不代表收录变好或变坏。
报告数量大于日志抓取量
索引报告里包含大量很久以前抓取、状态保留至今的页面。如果近期日志中几乎没出现这些 URL，说明的是它们不再被频繁抓取，而不是状态一定变了。
日志抓取很多，报告却不见增长
这才是需要认真看的情况。抓取不等于收录，重点检查这几处：页面返回的状态码是否稳定、是否误加了 noindex、正文是否被模板挤到很靠后、与站内其他页面是否高度相似、是否需要登录或依赖大量脚本渲染。
建议的核对顺序
- 先确认比较的是同一批 URL，最好导出清单再比对，不要用总数比总数。
- 再看时间窗口，把日志按天切片，和报告的状态更新日期对齐。
- 然后区分“抓取过”和“被处理过”，把日志里抓过但报告里没有的 URL 单独列出来。
- 最后抽二十到五十个样本页，逐个看状态码、指令、正文与重复情况，比看大数字更有用。
该以哪个为准
没有哪个数字是绝对准确的。日志用来判断蜘蛛来不来、来抓什么，报告用来判断处理结果和状态分类，查指令只适合粗略感受量级。三者配合看，才能拼出完整画面。
三个数字不一致本身不是问题，问题是在不知道口径的情况下拿它们互相证明。先问“这个数字在数什么”，再决定要不要排查。