网页重复内容 Duplicate Content 识别与解决办法
重复内容是什么
重复内容（Duplicate Content）指站内或站间，存在大段“实质相同或高度相似”的文字，出现在不同 URL 上。谷歌文档明确：重复内容本身不会直接触发处罚，但会让谷歌在多个版本之间“选一个收录展示”，导致你的目标页没被选中、权重被稀释（来源见文末）。
最常见的 6 个成因
| 成因 | 例子 | 影响 |
|---|---|---|
| URL 参数 | ?utm_source=、?sort=price、?ref= | 同一页生成多个可收录 URL |
| 协议/域名变体 | http 与 https、www 与非 www 并存 | 站点被拆成两份 |
| 打印/移动版 | /print/、m. 子域 | 内容重复 |
| 分页/评论翻页 | ?page=2 带完整正文 | 短页也被收录 |
| 分类与产品重叠 | 产品同时出现在多个类目页 | 类目页彼此相似 |
| 采集/Syndication | 转载他人或自己多站同步 | 原创性被稀释，甚至被判定垃圾 |
怎么识别
- site: 指令：site:你的域名 加关键句，看是否多个 URL 返回相似内容；
- Google Search Console：用“网址检查”看谷歌选了哪个规范版本，Coverage 报告看重复排除情况；
- 抓取工具：Screaming Frog / Sitebulb 跑全站，按“相似内容”聚类；
- 站间抄袭检测：Copyscape / Siteliner 查是否被别人复制。
解决办法（按优先级）
- Canonical 标签：给重复页指向首选版本（见下一篇），最常用；
- 301 重定向：确认永远不再用的旧 URL，直接跳到目标页；
- noindex：筛选/打印等无需收录的页加 noindex，并与 canonical 保持一致；
- 统一协议与 www：服务器层 301 到唯一版本；
- 参数处理：在 GSC 的“网址参数”里告诉谷歌如何对待参数。
关键提醒
重复内容不等于处罚，但会“浪费抓取预算、分散权重”。真正危险的是抄袭采集——直接复制他人内容属于谷歌明列的垃圾行为。原创、规范好 URL 才是根本。
来源：https://developers.google.com/search/docs/crawling-indexing/duplicate-content
来源：https://developers.google.com/search/docs/essentials/spam-policies