做多语言站点最容易出现两种情况：一种是各语言版本各写各的，蜘蛛在两个版本之间来回跳；另一种是干脆没做标记，蜘蛛把英文页当成中文页的重复内容。hreflang 解决的是“同一内容、不同语言或地区”之间的对应关系，但它不是写上就灵的配置，需要像检查内链一样定期自查。
先确认语言版本是怎么组织的
常见有三种：子目录（example.com/en/）、子域名（en.example.com）、独立域名（example.com 与 example.co.uk）。三种都能用，重点是保持统一，不要一半用子目录一半用子域名，否则日志、证书、验证文件的归属都会变得混乱。
从抓取路径和权重集中角度看，子目录通常最容易管理：同一域名下的 hreflang、Sitemap、canonical 都在一套体系里，蜘蛛顺着一条路径就能走完所有版本。子域名和独立域名则需要额外确认站点验证、证书覆盖和抓取统计是否分别到位。
hreflang 的三条基本规则
- 必须双向返回：A 页指向 B 页，B 页也要指回 A 页。单向指向经常会被忽略，等于白写。
- 语言与地区分开写：zh-Hans、zh-Hant、en、en-US 是不同含义，别把语言码当地区码用，也别用国家码代替语言码。
- 加一个 x-default：用于没有匹配语言时的兜底页，通常是语言选择页或默认语言首页。
自查时不要只看“有没有写”，要确认每条指向的 URL 都能正常打开、状态码是 200，并且指向的确实是同一篇内容的对应版本。指向 301、404 或另一篇文章的标签，会直接干扰判断。
一份可以照着做的自查清单
- 列出所有语言版本，标注 URL 形式、默认语言和兜底页。
- 抽查 10～20 篇文章，逐个确认相互指向是否完整，以及是否包含指向自身的标签。
- 检查是否有指向已下线、已改版页面的旧标签，及时更新或删除。
- 确认 canonical 指向本语言版本自身，而不是统一指向默认语言页。
- 对照 Sitemap，确认地图包含各语言版本，且 alternates 与页面上的标记一致。
和 canonical、Sitemap 的关系
hreflang 不是 canonical 的替代品。canonical 回答“哪个是这一语言版本的正本”，hreflang 回答“哪些页面是它的其他语言版本”。如果一个英文页的 canonical 指到中文页，等于告诉蜘蛛忽略英文页，hreflang 写得再全也难起作用。反过来，如果每个语言版本都独立自指，再把 hreflang 补全，结构就清楚得多。
抓取路径上的常见坑
- 语言切换靠 JS 下拉框，切换后 URL 不变，蜘蛛只能看到默认语言。
- hreflang 只写在首页，内页完全没有标记，对应关系断在半路。
- 同一语言存在多个 URL（带参数、大小写不同），标签指向混乱。
- 地区判断靠 Cookie 或 IP，导致同一个 URL 返回不同语言的内容。
建议每季度做一次抽查，新增语言或改版之后再加一次。多语言站点的 URL 发现本来就比单语言复杂，把对应关系理顺，蜘蛛才能把每个版本当成独立且明确的页面来抓，而不是在一堆近似的 URL 之间反复打转。