先看现象。标签页底部加了「相关标签」两两组合链接，/tag/php+mysql 这种地址能正常打开，收录报告里这类组合页有十二万条，正文只是两个标签的文章并集。
原因不止一个，得分开看。组合页由标签笛卡尔积生成，数量随标签数平方增长。另一种情况是组合页没有 canonical，也没有指向单标签页。
另外，组合页被写进 sitemap，等于主动提交重复内容。
少数情况下是组合页之间互相内链，蜘蛛在组合里越抓越深。
先统计组合页地址数量和抓取占比
grep -c '/tag/.*+' access.log只保留搜索量靠前的组合，其余 noindex
curl -sI 'https://www.example.com/tag/php+mysql' | grep -i x-robots组合页 canonical 指向第一个单标签页
curl -s 'https://www.example.com/tag/php+mysql' | grep -o '<link rel="canonical"[^>]*>'剩下的就是把组合页从 sitemap 里剔除
grep -c '/tag/.*+' sitemap_tags.xml改完先别撤，确认这几项。组合页全部返回 noindex 且 canonical 指向单标签页，sitemap 里组合地址清零，抓取预算回到文章页。
组合页看着像聚合，实际是参数排列，数量一旦上十万就只能收口，不可能靠内容质量救回来。同一份配置在测试环境跑通，不代表线上没事，两边的默认值经常不一样。