双语官网为什么会被 Google 当成一个页面：一个网址一种语言

本站的中英文案一直同时放在一个页面里，靠一个开关切换显示哪一种。为了让中文用户在 Google 里能搜到，我们给每个页面加了一个 /zh/ 网址，页面标题、描述和语言声明改成中文，两个网址之间用 hreflang 互相指向。

三天后，Search Console 的网址检查对 /zh/ 给出的判定是「重复网页，Google 选择的规范网页与用户指定的不同」，它选的规范页是英文首页。服务页则是「已抓取，尚未编入索引」。

Google 判断两个网址是不是同一个页面，比对的是内容。两种语言的文案都在同一份 HTML 里，英文页和中文页除了头部几行，字节几乎一样。在它看来这就是同一个页面的两个地址，于是只留一个。

hreflang 的作用是在内容不同的页面之间说明语言关系。它不能让内容相同的两个页面被分别收录。语言声明和标题也不能。

源文件仍然是双语的，构建时按语言拆成两份：英文网址只保留英文节点，/zh/ 网址只保留中文节点。语言开关从「在页面里切换显示」改成「指向另一种语言网址的链接」。

有一条很容易做反：不要按浏览器语言自动跳转。Googlebot 渲染页面时的浏览器语言是英文，如果 /zh/ 一打开就跳回英文页，它又成了一个跳转页。我们只在访客自己点过开关、记住了偏好之后才跳，而且跳转时保留网址里的参数和锚点。

这个域名以前挂过另一套产品，二十多条旧网址还在被抓，全部返回 404。404 的意思是「可能暂时找不到」，Google 会反复回访；改成 410 是「明确没有了」，去索引更快。这些旧网址没有对应的新页面，所以也不做 301 到首页，无关页面跳首页会被判成软 404。

www 和不带 www 的主机名各自返回 200，Search Console 把它们当两份重复网页。现在 www 一律 301 到主域。服务器对不存在的路径返回的是零字节的 404，品牌 404 页并没有接上；这不影响收录，但影响看到它的人。