站内 URL 结构改过一次,老路径 /p/123.html 301 到 /artiCle/123.html,模板里的 canonical 没跟着改,仍然输出老地址。改版两个月,GSC 里 900 条文章显示「已排除(备用网页,有规范标签)」,收录数从 2,400 掉到 1,500。
原因是 canonical 指向了一个 301。跟到 301 之后落到新地址,再读新地址的 canonical,又指回老地址。两边都不认自己,最后选中哪条全看运气,900 条里有一部分把跳转地址当成了索引页。
先试的是在 Nginx 里对 /p/ 前缀直接返回 200 并渲染老模板,让 301 消失。这等于把改版回滚,老 URL 全部复活,抓取里 40% 的请求重新打到老路径,做了两天就撤了。
正解是让 canonical 跟着实际地址生成。模板里不写死路径,用当前请求的规范化地址,去掉查询串,协议和主机名统一成 https 且不带 www。改了 6 个模板,900 条一次性对齐。
改完不要立刻提交。先抽 30 条 curl 看 head 里的 canonical 是否等于最终地址,再跑一遍批量抓取,找出 canonical 与 200 地址不一致的剩余项。最后剩 47 条,全是带 utm 参数的推广页,加规则剥参数。
4 周后那 900 条的「备用网页」降到 120 条,收录回到 2,260。剩下的 120 条是内容本身重复,跟 canonical 无关,按相似度合并处理。
顺带说一句跳转深度。老地址到新地址只允许一跳,中间夹一层转发会让 canonical 解析多花一次跳转,这类地址的收录恢复比一跳的慢 9 天。
$host = str_replace('www.', '', $_SERVER['HTTP_HOST']);
$path = strtok($_SERVER['REQUEST_URI'], '?');
$c = 'https://' . $host . $path;
echo '<link rel="canonical" href="' . $c . '">';
