排查收录问题时，很多人的第一反应是查蜘蛛有没有来、sitemap 有没有提交。抓取通道确认无误之后，剩下的问题往往就落到页面本身：同样的抓取频次，为什么有的页面进了索引，有的却一直停在门外。这篇文章把“页面质量”拆成四个可以自己动手查的维度，帮你在改代码之前先把方向定下来。

一、先分清抓取与收录：蜘蛛来过只是入场券

抓取是搜索引擎拿到页面内容的过程，收录是它判断这个页面值得放进索引、并准备好对外展示的过程。两者之间那道门槛，主要看页面能不能提供独立、可解释、对用户有用的信息。所以当日志显示蜘蛛频繁访问却迟迟不进索引时，通常不是抓取问题，而是页面本身让搜索引擎判断它不值得单独占一个位置。

二、维度一：正文占比是否过低

把源码里的导航、侧栏、推荐位、评论、页脚都划掉，剩下的正文还剩多少，这是最直观的判断方式。如果一个页面正文只有两三行，其余全是模板和推荐，它在质量维度上就很吃亏。常见的几类：

• 列表页、标签页、筛选页的正文稀薄
• 空结果页、无内容占位页
• 只有一张图或一段视频，没有任何文字说明

处理方式不是把所有模板都删掉，而是判断这个页面有没有独立价值。没有的话，考虑合并、设置 noindex，或者让它在站内被合理收敛。

三、维度二：内容是否唯一

重复内容不会直接导致站点被处罚，但它会让搜索引擎在多个相似 URL 里只挑一个，其余的自然进不了索引。常见的有三种：

1. 完全重复：同一份内容复制到不同 URL，比如带参数和不带参数的版本
2. 近似重复：标题不同但正文高度雷同，多出现在批量生成的页面
3. 聚合重复：聚合页把详情页内容整段搬过来，没有自己的整理和判断

前两种靠 canonical、URL 规范化和参数处理收敛；第三种要先问自己：这个聚合页除了搬运，还提供了什么。如果答案是否定的，它被排除在索引外就是正常结果，不必强行对抗。

四、维度三：URL 是否能被稳定识别

URL 规范看似是技术细节，实际会影响收录判断。大小写混用、末尾斜杠两种写法并存、index.html 与目录地址同时可访问，都会让同一个页面出现多个入口。搜索引擎需要花时间判断它们是不是同一个页面，这个过程本身就会拖慢收录。

比较稳的做法是：站内链接统一写成一种形式，其余形式做 301 跳转，canonical 指向最终地址，并且不要指向 404、noindex 或跳转链上的地址。

五、维度四：页面能不能自证价值

最后一层是内部和外部的信号。一个刚上线、没人链接、内链也进不去的页面，搜索引擎缺少判断依据，收录自然慢。可以从这几处补：

• 从相关栏目页、详情页加内链
• 相关页面之间互相引用
• 有真实分享或外部引用时，页面更容易被识别

这里说的是提高被发现的概率、补充判断依据，而不是保证收录。

如果一个页面在内容、唯一性、URL、内链这四个维度上都站得住，收录慢通常只是时间问题；如果其中两三个维度都有明显短板，反复提交 sitemap 也很难改变结果。

六、动手前的自查顺序

1. 先从日志确认蜘蛛是否来过，排除抓取层面问题
2. 检查该页正文占比，判断是不是空壳页
3. 在站内搜一段正文，看有没有近似重复的页面
4. 检查 URL 变体是否已收敛到唯一地址
5. 检查有无内链入口，页面能否从首页几跳内到达
6. 最后再决定是优化、合并，还是直接收口

收录问题很少由单一原因造成。按这个顺序走一遍，多数情况下能在动手改之前先把方向定下来，避免在抓取通道上反复折腾，却始终没碰到真正的问题。