在蜘蛛池入口頁里放目标 URL 时，很多人會顺手加上 UTM、ref、from 這類跟踪參數，或者用 # 锚点指向頁面某個位置。搜尋蜘蛛看到這些連結後，到底會按哪個 URL 来發現和抓取？這會影响抓取预算和後續收錄判断，值得單獨说清楚。
搜尋蜘蛛會按完整連結發現 URL
搜尋蜘蛛解析 HTML 时，拿到的是連結的完整地址。如果入口頁寫的是 https://example.com/page?utm_source=pool&utm_medium=link，蜘蛛首先發現的就是這個带參數的版本。它不會自動把參數去掉，再去找裸 URL。也就是说，同一段内容可能對應多個 URL 形態。
当然，搜尋引擎對常见參數有一定识別能力，可能會把部分參數视為跟踪參數並在索引层面做合並。但“可能合並”不等于“一定不抓”。在實际日誌里，带參數 URL 被單獨抓取的情况很常见。
跟踪參數带来的几個實际問题
- 同一目标 URL 如果带不同參數出現在多個入口頁，容易产生多個可抓取地址，分散抓取预算。
- 带參數地址和裸地址服務器都返回 200 时，重复内容風險增加，搜尋引擎需要自行判断主版本。
- CDN 或缓存策略常按完整 URL 缓存，參數越多，缓存命中率越不稳定。
- 日誌分析时，带參數 URL 的抓取记錄容易和裸 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，有助于搜尋引擎理解主版本，但這属于信号归並，不代表蜘蛛只抓裸地址。入口頁這一侧的連結寫法，仍然會影响蜘蛛先發現哪個地址。
# 锚点：多數情况下按去掉片段處理
URL 中的 # 片段（fragment）不會随 HTTP 請求發送给服務器。搜尋蜘蛛請求頁面时，通常按去掉 # 及其後面内容的地址来抓取。例如連結寫成 /page#section-2，蜘蛛抓取的一般是 /page。
不過有两種情况要注意：一是搜尋引擎可能利用片段信息理解頁面内锚点，對頁面内容定位有帮助，但不改變被抓取的主体 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實际内容的空壳頁面，這时問题就不在锚点，而在渲染方式。
入口頁連結怎么寫更稳妥
- 入口頁指向目标 URL 时，優先使用干净的绝對地址，不带無關跟踪參數。
- 确實需要統計来源时，可以在入口頁用 302 跳到干净地址，或者让目标 URL 通過 canonical 指定主版本。
- 不要用大量參數變体反复指向同一個頁面，避免制造重复 URL。
- 入口頁自身也應有稳定、可抓取的地址，减少參數化分頁或會话參數。
- 定期看服務器日誌，確認蜘蛛實际抓的是带參數版本還是裸版本，再决定是否調整。
參數和锚点不會直接带来收錄或排名，它們只改變“被發現 URL 的形態”。真正决定後續表現的，還是目标頁内容、可訪問性和站点整体质量。
如果你在日誌里發現搜尋蜘蛛大量抓取带參數地址，而裸地址抓取很少，可以先检查入口頁連結寫法，再结合 canonical、跳轉和 sitemap 做調整。不要只凭猜测判断，日誌是最直接的依據。