html文档结构直接影响seo，因搜索引擎依赖语义标签嵌套识别内容主次与意图；错置或dom过深超6层、包裹不当、hreflang与canonical矛盾等，均导致降权或内容不被索引。

HTML文档结构不是“写得整齐就有利于SEO”，而是搜索引擎靠它识别内容主次、判断页面意图。结构错乱，再好的关键词也白搭。

为什么 <h1></h1> 放在 <footer></footer> 会被降权

搜索引擎不看视觉位置，只解析 DOM 中的语义嵌套关系。<h1></h1> 出现在 <footer></footer> 或 <aside></aside> 里，会被判定为“标题与上下文脱节”，直接削弱该标题的权重，甚至忽略整块区域的内容。

• <h1></h1> 必须出现在 <main></main> 内，且全页仅出现一次；多 <h1></h1> 会让爬虫困惑主标题到底是谁
• <h2></h2>–<h6></h6> 要严格嵌套在上一级标题之后，不能跳级（比如 <h2></h2> 下直接跟 <h4></h4>）
• 用 CSS 把 <div class="title"> 视觉放大成大号字，对 SEO 零作用——爬虫只认标签名，不读 class <h3> <code><main></main>、<section></section> 和 <article></article> 的分工不能混

  这三个标签不是“换汤不换药”的语义装饰，爬虫会据此划分内容独立性与复用价值。

  

  Html2md

  使用 Readability + Turndown 将 HTML 页面转换为干净的、Agent 友好的 Markdown。去除导航栏、广告、页脚、Cookie 横幅、社交按钮等干扰元素。支持 URL...

  下载
  • <main></main> 全页只能有一个，且必须包裹真正核心内容（如博客正文、商品详情），漏掉或包了导航/侧栏，会导致主体内容识别失败
  • <article></article> 表示可独立分发、可被 RSS 抓取的内容单元（如一篇博文、一条新闻），重复使用在列表页是合理的
  • <section></section> 是同一主题下的逻辑分块，比如“参数说明”“返回值”“示例代码”——它不能脱离上下文单独存在，也不能替代 <article></article>

  DOM 树过深导致关键内容不被索引

  实测发现：当 <div> 嵌套超过 6 层，且中间没穿插语义标签（如 <code><header></header>、<section></section>）时，<h2></h2> 及其后的文本常被爬虫截断，不进索引库。

  • 用浏览器 DevTools 的 Elements 面板手动数层级，重点关注 <main></main> 内部是否藏在 <div><div><div>… 里 <li>纯靠 class 控制布局（如 <code><div class="container"><div class="row"><div class="col">）是高危模式，应逐步替换为 <code><main><section><article></article></section></main> 等语义容器
  • SSR/SSG 项目中，检查 document.body.innerHTML 在首屏加载完成时是否已含全部关键文本；延迟 JS 注入的内容若超 500ms，大概率不被收录

  hreflang 和 rel="canonical" 配置错误会互相抵消

  多语言站点最常在这里翻车：一个页面同时声明了指向英文页的 rel="canonical"，又写了 hreflang="zh-CN"，Google 会认为信号矛盾，两个页面都降权。

  • rel="canonical" 必须指向当前语言版本的规范 URL，不是首页，也不是其他语言页
  • hreflang 必须闭环：A 页声明 hreflang="zh-CN" 指向 B 页，B 页必须反向声明 hreflang="en-US" 指向 A 页，且所有语言页（含 x-default）都要互相声明
  • 避免在 里混用 HTTP 头和 <link> 标签声明同一组 hreflang，优先用 <link>，CDN 缓存可能覆盖服务器头

  最容易被忽略的是 DOM 深度和 <main></main> 包裹范围——它们不报错、不阻断渲染，但悄悄让内容消失在搜索结果里。