多语言站点做收录，麻烦往往不在“收不到”，而在“收得不对”：同一批内容有好几个语言版本，搜索结果里出现的可能是英文版，也可能是机器翻译版，甚至几个版本互相顶替，最后每个语言市场都拿不到稳定的展现。这类问题多半不是抓取出了故障，而是版本之间的信号没有理顺。
先确认一件事：每个语言版本都是独立页面
只要 URL 不同，搜索引擎就当成不同页面处理。它们各自需要有自己的标题、正文、内链和入口，不能只靠一套页面加切换语言按钮动态渲染。如果切换语言后 URL 不变、内容靠 JS 或 cookie 变化，蜘蛛通常只会看到一个默认版本，其他语言的内容既没有独立地址，也谈不上被单独索引。
所以第一步很朴素：每种语言、每个地区对应的内容，是否有可直达、可被抓取的独立 URL。
URL 结构：子目录、子域名、独立域名
三种常见做法都可用，差别在于信号的清晰度和维护成本：
- 子目录（example.com/de/）：权重集中在同一域名，配置和统计最简单，中小站点首选。
- 子域名（de.example.com）：拆得比较干净，但需要额外的站点级验证与配置，容易漏掉某几个版本的 sitemap 和 hreflang。
- 独立域名（example.de）：本地化观感强，但要单独维护收录与索引状态，成本最高。
无论选哪种，保持同一站点内的一致性。混合使用，比如一部分语言放子目录、一部分放独立域名，会让版本关系更难表达，也让后续排查变得零碎。
hreflang 最容易出错的几个地方
hreflang 的作用是说明“同一内容的不同语言或地区版本是这几条 URL”，它不是排名工具，只是关系声明。常见错误有：
- 单向标注：德语页面指向英语页面，英语页面没有回指。这种不对称关系容易被忽略，等于只声明了一半。
- 指向打不开的 URL：版本下线后 hreflang 没同步更新，指向 404 或重定向。
- 指向被 noindex 或 canonical 收口的页面：一边说“这是某个语言的正式版本”，一边又告诉搜索引擎别索引它，信号自相矛盾。
- 语言与地区代码写错或混用，把 zh-CN 和 zh-TW 当成一回事，或者只写语言不写地区。
- 靠 JS 注入：爬取阶段不一定执行，容易漏读。放在 HTML 头部或 XML sitemap 里更稳。
另外，x-default 用来指定没有匹配到具体语言时展示哪一版，通常给语言选择页或国际版，不要随手指到一个随机版本上。
canonical 不要跨语言使用
有人为了“集中权重”，把法语页面 canonical 到英语页面，结果法语版本从索引里消失，法语用户搜到的全是英文页面。只有当两个 URL 是同一种语言、同一份内容时，canonical 才是合适的收口手段。跨语言的近似内容，应该用 hreflang 表达版本关系，而不是互相 canonical。
机器翻译页面要不要放出去
自动翻译的页面能不能被索引，关键不在“是不是机器翻的”，而在质量：术语是否一致、导航和按钮有没有翻漏、页面是否只是把原文换了一遍词。大量低质量翻译页被放出去，常见后果是这些页面进了索引却没什么展现，或者同一个语言下出现多个近似版本，彼此消耗。
比较稳妥的做法是分批放出：先放核心栏目和转化路径，观察这些页面的抓取与展现，再决定要不要铺到全站。质量不过关的版本，宁可先 noindex 收着。
自查顺序
- 每个语言版本是否有独立、可直达、返回 200 的 URL。
- hreflang 是否双向对称、目标可访问、且没有被 noindex。
- canonical 是否只在同语言内部使用。
- 各语言版本的 sitemap 是否都提交，且只包含对应语言的 URL。
- 抽查几个语言站内搜索或 site 查询的结果，看返回的是不是该语言版本。
多语言收录的目标不是让每个版本都被收录，而是让每个语言市场搜到的，是对应语言的那个版本。