在蜘蛛池入口页里放目标 URL 时，很多人会顺手加上 UTM、ref、from 这类跟踪参数，或者用 # 锚点指向页面某个位置。搜索蜘蛛看到这些链接后，到底会按哪个 URL 来发现和抓取？这会影响抓取预算和后续收录判断，值得单独说清楚。
搜索蜘蛛会按完整链接发现 URL
搜索蜘蛛解析 HTML 时，拿到的是链接的完整地址。如果入口页写的是 https://example.com/page?utm_source=pool&utm_medium=link，蜘蛛首先发现的就是这个带参数的版本。它不会自动把参数去掉，再去找裸 URL。也就是说，同一段内容可能对应多个 URL 形态。
当然，搜索引擎对常见参数有一定识别能力，可能会把部分参数视为跟踪参数并在索引层面做合并。但“可能合并”不等于“一定不抓”。在实际日志里，带参数 URL 被单独抓取的情况很常见。
跟踪参数带来的几个实际问题
- 同一目标 URL 如果带不同参数出现在多个入口页，容易产生多个可抓取地址，分散抓取预算。
- 带参数地址和裸地址服务器都返回 200 时，重复内容风险增加，搜索引擎需要自行判断主版本。
- CDN 或缓存策略常按完整 URL 缓存，参数越多，缓存命中率越不稳定。
- 日志分析时，带参数 URL 的抓取记录容易和裸 URL 混在一起，增加排查难度。
如果目标 URL 本身有 canonical 指向裸地址，有助于搜索引擎理解主版本，但这属于信号归并，不代表蜘蛛只抓裸地址。入口页这一侧的链接写法，仍然会影响蜘蛛先发现哪个地址。
# 锚点：多数情况下按去掉片段处理
URL 中的 # 片段（fragment）不会随 HTTP 请求发送给服务器。搜索蜘蛛请求页面时，通常按去掉 # 及其后面内容的地址来抓取。例如链接写成 /page#section-2，蜘蛛抓取的一般是 /page。
不过有两种情况要注意：一是搜索引擎可能利用片段信息理解页面内锚点，对页面内容定位有帮助，但不改变被抓取的主体 URL；二是如果目标站点用 # 做前端路由（如 hash 路由），蜘蛛拿到的可能是没有实际内容的空壳页面，这时问题就不在锚点，而在渲染方式。
入口页链接怎么写更稳妥
- 入口页指向目标 URL 时，优先使用干净的绝对地址，不带无关跟踪参数。
- 确实需要统计来源时，可以在入口页用 302 跳到干净地址，或者让目标 URL 通过 canonical 指定主版本。
- 不要用大量参数变体反复指向同一个页面，避免制造重复 URL。
- 入口页自身也应有稳定、可抓取的地址，减少参数化分页或会话参数。
- 定期看服务器日志，确认蜘蛛实际抓的是带参数版本还是裸版本，再决定是否调整。
参数和锚点不会直接带来收录或排名，它们只改变“被发现 URL 的形态”。真正决定后续表现的，还是目标页内容、可访问性和站点整体质量。
如果你在日志里发现搜索蜘蛛大量抓取带参数地址，而裸地址抓取很少，可以先检查入口页链接写法，再结合 canonical、跳转和 sitemap 做调整。不要只凭猜测判断，日志是最直接的依据。