这类问题我又碰上了一次。用 GSC 的索引编制报告导出按路径统计，/news/ 显示 4.2 万条，但 /news/2026/ 和 /news/tag/ 单独看全是 0，报表完全没法用来判断哪个目录出了问题。
第一反应是「带参数的地址被归到最近的目录，实际属于另一个栏目」，验证下来不成立。
把日志和配置对完，能解释这个现象的基本就这几处。导出报表只有前缀匹配，子目录的 URL 被父目录先命中；统计脚本用 startswith 归类，顺序从短到长，长的永远匹配不到；索引状态字段是分页拉的，第二页之后的数据没被合并。
动手时先改成长前缀优先匹配
python idx_group.py export.csv --match longest-prefix接着按二级目录聚合看分布
awk -F/ '{print "/"$2"/"$3}' urls.txt | sort | uniq -c | sort -rn | head -20然后抽查几条 URL 的实际归属
curl -s https://www.example.com/news/2026/11/post-1 | grep -o '<title>[^<]*'剩下的就是把目录维度和 sitemap 分片对齐
grep -c '<loc>' https://www.example.com/sitemap-news.xml改完先别撤，确认这几项。目录报表里 /news/2026/ 单独显示出 1.6 万条，/news/tag/ 显示 8000 条，父目录数字等于子目录之和，问题目录一眼能看出来。
补一句。按前缀统计目录是最容易出错的一步，尤其是路径层级多、还带参数的站，先约定好归类规则再出报表。这类问题最好一次改到位，反复小改反而容易把原因搅混。