---
id: reconcile-index-with-content
type: sop
group: B
status: published
version: 1
updated: 2026-11-06
token_estimate: 2318
---

# 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：

1. 把三份清单各自导出成「一行一个标识」（路径或 id）
2. 两两求差集
3. 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。