如何做索引与内容的对账

用途：确认「站上有的」「索引里声明的」「目录里存着的」是同一批东西。三个数不等，就有人找不到东西。
覆盖：有对外索引的站点或文件集合 —— 站点地图、目录清单、站内导航、搜索索引。
产出：三个数 + 差值 + 每一处差值的具体清单与处置。
拿到就能跑：先对齐口径再数。口径不同的三个数，比出来的差值全是噪音。

触发的变异问法

「页面能打开，但站内搜不到」
「明明发了，用户说找不到」
「索引和实际页面对不上」
「sitemap 里为什么有打不开的链接」
「站点地图怎么更新」
「为什么新内容没出现在列表里」
「目录里有多少页，和索引一致吗」
「删了页面，索引里还在」

什么时候不要用这份文件

内容还没发布 —— 那是发布流程的事，不是对账。
站内搜索由第三方提供（外部搜索引擎、云搜索）—— 索引不在你手上，对账要做的是「提交后有没有被收录」，方法不同。
只有一份清单、没有实际文件可数 —— 无法对账，先去数文件。
要查的是「某页为什么打不开」 —— 那是故障定位，不是对账。

执行步骤

第一步 · 先对齐口径

这一步不做，后面全是噪音。三个数各自要回答：什么算一个。

常见口径分歧：

分歧点	要定的事
首页算不算	通常算，但要与索引一并处理
元文件算不算	`sitemap`、`robots`、`favicon` 这类通常不算内容页
列表页 / 分页算不算	算不算要一致，不能一处算一处不算
草稿 / 未发布算不算	一律不算，三个数都不含
同一内容多个入口	算一次还是算多次——通常算一次，以规范地址为准

判据：三个数必须用同一份排除规则。写下来，不要靠记。

输出：一份口径说明（含排除清单），后面所有数字都按它数。

第二步 · 取三个数

#	数什么	怎么数才准
1	实际可访问的页	从目录文件数推，⛔ 不要靠逐个请求——几百个请求会被限流，且慢
2	索引里声明的条数	数索引文件里的条目数（不是行数，一条可能跨行）
3	源文件数	源目录里该被发布的文件数，按第一步的口径排除

三个数取完先别看差，先看它们是不是数同一层：源文件 → 发布后的页 → 索引条目，这是一条链，任一环断开都会表现成「数字不等」。

输出：三个数，各带取数方法与时间。

第三步 · 比对，按差值方向判性质

情况	含义	处置方向
三个数相等	对账通过	无需动作
页 > 索引	漏登记	把缺的补进索引
索引 > 页	死链	从索引里删，或把页补回来
源文件 > 页	发布漏了	查发布流程，不是索引问题
页 > 源文件	有孤儿页（线上有、源里没有）	要么补回源，要么确认该删

⛔ 「页 > 索引」是最常见的，也最容易糊弄过去——补完索引必须再数一次，不能凭「我补了」就宣布通过。

输出：差值方向 + 属于哪一类。

第四步 · 逐条列出差值，不要只报总数

「差 12 个」没有用，要的是「哪 12 个」。

取差集的方法：

把三份清单各自导出成「一行一个标识」（路径或 id）
两两求差集
差集里的每一项，标注它属于哪种情况

输出：每处差值的清单（路径 + 属于哪类 + 建议动作）。

第五步 · 修完复核

修的动作做完后，重新取一次三个数。

数字相等 → 通过
仍不等 → 说明修的时候又漏了，或者有第二处独立的问题

⛔ 不要只修看得见的那几个。差集是完整清单，按清单修，不按印象修。

输出：修前 / 修后两组数字。

出问题怎么办

现象	最可能的原因	处理
页比索引多很多	新内容只发布了、没登记	补登记；查发布流程里为什么漏了这一步
索引比页多	删页时没删索引	从索引删掉；建立「删页必删索引」的连带动作
三个数相等，但某些页搜不到	页在索引里，但字段缺失（标题/摘要为空）	查这些页的元信息，不是数量问题
数字对不上，但一个个抽查都对	口径不同（某类文件一处算一处不算）	回第一步，把排除清单写成文件
每次补完都对不上	索引是追加式的，补录时又新起了一条记录	查索引写入逻辑：是按日期合并，还是每条新起一块
差值里有一批「孤儿页」	线上有、源里没有（有人直接改了线上）	要么补回源，要么确认删除——不能放着不管
索引更新了但访问仍看不到	缓存 / 索引文件没被重新加载	确认索引文件的更新时间与缓存策略

倒数第三条值得单独说：追加式的索引在补录历史内容时会静默出错——补进去的每一条都排在最前面，看似成功，实际顺序全乱、还产生重复块。数量对得上不等于结构对。

输出规范

人读

口径：含 <...>，排除 <...>
三个数：源文件 A / 实际页 B / 索引条 C
差值：页 - 索引 = X（漏登记）· 索引 - 页 = Y（死链）
清单：
  漏登记 X 个：<路径列表>
  死链 Y 个：<路径列表>
处置：<补了哪些、删了哪些>
复核：修后 源 A' / 页 B' / 索引 C' → 相等 / 仍差 Z

机器读

scope: {root, index_file, exclude: [...]}
counts: {source: n, pages: n, index: n}
diff: {missing_in_index: [paths], dangling: [paths], orphan: [paths]}
action: {added: n, removed: n}
recheck: {counts: {...}, equal: true|false}

equal 为 false 时，diff 不能为空——报了不等却给不出清单，等于没对账。

一句话版

三数 1024/1024/1024 相等。 或 差 X 个：漏登记 a、死链 b，清单已列。

⛔ 不要只报「大概一致」。

常见错误

先数后定口径 —— 数完才发现三个数不是一回事，全部重来。
只报总数不列清单 —— 差 12 个，但不知道哪 12 个，等于没法修。
补完不复查 —— 补的时候又漏了几个，或者补重复了。
把索引当权威 —— 索引是派生物。文件和页才是事实，索引对不上时该改索引，不是改页去迁就索引。
追加式索引补历史内容 —— 每补一条都新起一块，数量对但顺序全乱。
「页能打开」就当对账通过 —— 能打开和能被找到是两件事。

最后核对

2026-11-06。索引形式因站而异（站点地图 / JSON 清单 / 数据库表），但「三数 + 口径 + 差集清单」的对账方法通用。与所执行系统的既定标准冲突时，以那个系统的标准为准。

Markdown 原文 · 更新 2026-11-06
reconcile-index-with-content · v1 · sop