内容去重和 Canonical 标签的正确用法
📖 第四章：内容营销篇 · 第 63 问
你可能没有"抄袭"任何人，但你的网站上很可能已经存在大量重复内容——同一篇文章通过不同 URL 被访问，搜索引擎不知道该收录哪个，最终所有版本的排名都被稀释。Canonical 标签就是解决这个问题的核心工具。
什么是重复内容？
重复内容不一定是"抄袭"，更多是技术原因导致同一内容有多个 URL：
| 产生原因 | 示例 |
|---|---|
| HTTP/HTTPS 共存 | http://example.com/page 和 https://example.com/page |
| www 与非 www | www.example.com/page 和 example.com/page |
| URL 参数 | /product?color=red 和 /product?color=red&ref=banner |
| 分页内容 | /article 和 /article?page=1 |
| 移动端独立 URL | m.example.com/page 和 www.example.com/page |
| 打印页/AMP 版本 | /article/print 和 /article |
百度如何处理重复内容
百度会从多个重复 URL 中选择一个作为"代表"进行索引，其他版本会被过滤或降权。但百度的判断不一定准确——它可能选了你不想要的那个版本。主动使用 Canonical 标签，就是告诉百度：“请以这个 URL 为准。”
注意： 百度官方文档明确表示支持 Canonical 标签，但处理速度可能不如 Google 及时。
Canonical 标签的正确语法
在 HTML 的 <head> 部分添加：
<link rel="canonical" href="https://www.example.com/preferred-url" />
使用规则
- 必须放在
<head>中：放在<body>中无效 - 使用绝对 URL：写完整的
https://www.example.com/path，不要用相对路径 - 每页只能有一个：多个 canonical 标签会导致全部被忽略
- 指向可访问页面：不要指向 404 或被 robots.txt 屏蔽的页面
自引用 Canonical 的重要性
即使页面没有重复版本，也建议加上指向自身的 Canonical 标签：
<!-- 在 https://www.example.com/blog/seo-tips 页面上 -->
<link rel="canonical" href="https://www.example.com/blog/seo-tips" />
为什么？ 防止未来被人恶意添加参数传播（如 ?utm_source=xxx），也防止搜索引擎因抓取参数变化而产生困惑。
常见错误
❌ 错误一：Canonical 指向错误页面
把分类页 A 的 canonical 指向了分类页 B，导致 A 完全从搜索结果消失。
❌ 错误二：在分页内容上滥用
把第 2、3、4 页全部 canonical 到第 1 页——这会导致后续页面的内容无法被索引。分页应使用 rel="next/prev"（百度支持）或保持各页独立索引。
❌ 错误三：Canonical 与 robots 冲突
页面被 robots.txt 禁止抓取，但又设了 canonical——爬虫根本看不到这个标签。
❌ 错误四：跨域 Canonical 误用
把自己网站的页面 canonical 到别人的网站，等于"放弃"了这个页面的所有排名权重。
301 重定向 vs Canonical：怎么选？
| 场景 | 推荐方案 |
|---|---|
| 旧 URL 永久弃用 | 301 重定向 |
| 两个 URL 都需要用户能访问 | Canonical 标签 |
| HTTP 迁移到 HTTPS | 301 重定向 |
| 带参数和不带参数的同一页 | Canonical 标签 |
| 网站改版换域名 | 301 重定向 |
简单原则： 如果用户不需要访问旧 URL，用 301；如果两个 URL 都有存在的必要（比如筛选参数），用 Canonical。
如何审查网站的重复内容
- 百度搜索框检测：搜索
site:yoursite.com + 文章标题关键句，看是否有多个结果 - 使用爬虫工具：Screaming Frog、5118 等工具可以批量检测重复 Title 和重复内容页
- 百度搜索资源平台：查看"索引量"与实际页面数的差异，差距大说明有大量页面未被索引（可能是重复导致）
- 服务器日志分析：观察百度蜘蛛是否在重复 URL 上浪费抓取配额
💡 实操建议
- 全站部署自引用 Canonical：这是成本最低、收益最确定的 SEO 基础操作，让开发在模板层面统一加上即可
- 参数型重复优先处理：在百度搜索资源平台的"参数配置"功能中，标记无意义参数（如 session ID、追踪码），告诉百度忽略这些参数
- 每月做一次重复内容审计：用爬虫工具扫描全站，重点关注相似度超过 80% 的页面对，决定是合并、加 Canonical 还是差异化改写
本文是《中文非付费营销100问》系列的一部分。查看完整目录 →
