这类问题我又碰上了一次。Next.js 14.2 的项目用 middleware 读 req.headers.host 拼 canonical,用户从邮件里点进 WWW.Example.com 时页面返回的 canonical 也带大写,GSC 里同一篇文章出现两条重复网址。试过在 GSC 手动指定规范网址,也在 CDN 上加了强制小写跳转,报告里的重复组一直没合并。
第一反应是「页面里的 hreflang 自指地址用了另一套大小写,互指关系断开」,验证下来不成立。
真正麻烦的地方在于,几个原因的现象几乎一样。Host 头原样透传,middleware 没有做小写归一化;CDN 缓存键区分大小写,同一页面按 Host 存了两份 HTML;站内绝对链接有一部分是大写域名,蜘蛛顺着又抓到一轮。
先看不同 Host 下返回的 canonical
curl -s -H 'Host: WWW.Example.com' https://www.example.com/a | grep -i canonical
接着在 middleware 里统一小写并固定主域名
const host = req.headers.host.toLowerCase();
源站对非规范 Host 做 301
if ($host ~ [A-Z]) { return 301 https://www.example.com$request_uri; }
等前面都确认过,再清掉按大小写分开的两份缓存
curl -X PURGE https://www.example.com/a
改完先别撤,确认这几项。两种 Host 访问都返回同一条小写 canonical 并伴随 301,GSC 重复组在下次抓取后合并成一条。
域名大小写在 DNS 层不区分,但 URL 规范化和缓存键都区分,凡是拼接绝对地址的地方都得统一走一个函数。线上能稳定复现的问题都不算难,难的是只在大流量下才出现的那种。
