SEO实战及划网站同一个页面重复收录怎么办

做SEO最头疼的往往不是没收录，而是同一个页面被搜索引擎反复抓取了好几个版本。前几天有个做电商的朋友跟我抱怨，说他们官网一个产品详情页，光在百度里就能搜出三个不同网址，一个带www，一个不带，还有一个带utm参数，权重被撕得稀碎，排名怎么推都上不去。这问题太典型了，今天就把我的实战经验全盘托出。

先说清楚重复收录到底怎么发生的。最常见的就是URL大小写问题，服务器没做301跳转，比如 /Product 和 /product 在搜索引擎眼里是两个页面。其次是追踪参数，很多站点为了统计流量，给链接加了 ?source=baidu 或者 ?from=wechat 这类尾巴，搜索引擎爬虫看到不同参数就当成新页面。还有一个非常隐蔽的情况，就是网页底部有“打印版”或者“纯文本版”入口，这些页面内容跟原始页面几乎一样，但URL完全独立，也很容易被蜘蛛当成独立页面抓走。

危害不用我多强调，最直接的就是权重分散。本来一个页面能积累起来的外链和权重，现在被十个八个相似页面分掉，核心关键词自然排名就飘忽不定。另外搜索引擎资源预算也扛不住，天天抓一堆重复页面，真正重要的新内容反而排队等收录。

解决办法核心思路就是让搜索引擎明确知道哪个是标准版本。第一招，做好301重定向。把不带www的域名统一跳转到带www的，http自动跳到https，代码层面在nginx或者Apache里设置好规则。对于带追踪参数的URL，可以通过robots.txt进行屏蔽，常规的做法是Disallow所有带问号的路径，但注意别把正常的动态页面误伤，最好逐个核对哪些参数是真的需要被索引的。

第二招，使用canonical标签。这个是业内公认的有效手段，在每个重复页面的head区域加上，指向你要保留的那个原始页面。这个标签虽然不是强制性的，但百度、Google、Bing都尊重这个信号。不过有个前提，加这个标签的时候得确保这个原始页面是能正常访问的，万一原始页面404了，那canonical就白设置了。

第三招，处理打印版这种特殊页面。如果用的是CMS建站系统，直接关掉打印功能或者给打印页加robots的noindex指令。如果是手动建的页面，直接改成弹窗预览或者生成PDF，不要单独生成HTML页面。

上面说的是站内优化层面的手法，接下来还得配合站外操作。主动去站长平台提交死链删除工具，把那些不想要收录的URL通过百度搜索资源平台的死链提交功能推送给搜索引擎，同时提交sitemap，让蜘蛛更明确地知道应该重点抓取哪些页面。老站还会碰到一个情况，就是之前已经被收录的重复页面，即使你做了上面的优化，搜索引擎也得花时间重新评估，这个周期大概在一个月到三个月之间，耐心等着就行。期间可以通过站长平台的索引量工具观察收录变化，发现异常及时排查。

还有一个容易被忽略的，就是移动端和PC端重复的问题。很多网站做了响应式设计，但也有不少站点是分开的两个域名，比如 m.example.com 和 www.example.com。这种情况下得明确在页面头部加 link标签，告诉蜘蛛这是同一个页面的两个版本。或者干脆做301跳转，把移动端全部跳到PC端，让用户自适应设备，省去维护两套页面的麻烦。

实战中我见过最离谱的一个案例，有个企业站因为后台编辑不懂技术，每次改产品说明就直接复制一个新页面发布，旧的也不删，半年下来同一个产品搞了十几个版本。搜索引擎收录了十一个，全部内容雷同，标题还都长得差不多。处理的时候不光要做技术层面的统一，还得联系百度官方反馈，走那个“不收录/删除已收录”的申诉通道，费了好大劲才逐步清理干净。所以定期检查站内重复内容也是日常运营的一环，用site命令查一下，配合第三方工具抓取一下网页快照，心里就有数了。

重复收录问题解决之后，你可能会惊讶地发现快照页面的点击率反而提升了，因为搜索引擎把权重聚集到被选定的那个标准版本上，排名稳定，流量自然也就回升了。做SEO就是这样，把基础问题处理干净了，后面的一切动作才谈得上效果。别总把目光放在那些高级算法和黑帽技巧上，先把地基打牢。