爬虫解析页面必须从开始，这是结构合法性门槛而非加分项；google移动优先索引直接跳过等标签，仅提取内首屏内容，错误使用会导致降权或空抓取。
为什么爬虫从 <main></main> 开始抓取，而不是从 DOM 顶部？
Google 移动优先索引（2023 年起 100% 启用）默认跳过 <header></header>、<nav></nav>、<footer></footer>，直接进入 <main></main> 提取首屏文本、链接和标题层级。这不是“偏好”，是硬性解析规则。
- 多个
<main></main>或嵌套在<footer></footer>里 → 触发“结构冲突”警告，整块内容降权 -
<main></main>里放客服电话、友情链接、登录弹窗 → 被判为“元信息污染”，主内容可信度下降 - SPA 页面只留
<main><div id="root"></div></main>且无服务端渲染内容 → 爬虫拿到空容器，等同于无主内容
<article></article> 和 <section></section> 混用会怎样？
二者语义不可互换：<article></article> 表示可独立分发、复用、被单独索引的内容单元（如一篇博客、一条新闻）；<section></section> 只是主题相关区块，必须配 <h2></h2> 或 aria-labelledby，否则爬虫视为空白语义块。
- 用
<section></section>包商品卡片列表 → 爬虫无法识别“这是独立内容”，图搜、新闻聚合器不收录 - 用
<article></article>包单个按钮或广告位 → 内容实体失真，触发“弱相关”信号 - 纯
<section><p>...</p></section>（无标题）→ 不仅无效，还稀释页面整体结构信号
<time datetime="..."></time> 为什么比纯文本日期更利于索引？
“2024年3月15日”只是字符串，需靠周边词 + NLP 推断；而 <time datetime="2024-03-15">2024年3月15日</time> 自带机器可读的 datetime 属性，Google 在新闻/博客类页面中会赋予更高时效性权重。
- 新闻类页面漏掉
datetime→ “最新结果”排序失效，流量延迟 2–7 天 -
datetime值格式错误（如"2024/03/15"）→ 属性被忽略，等同未标记 - 装饰性日期（如页脚“©2024”）无需
<time></time>，加了反而干扰主发布时间识别
最容易被忽略的点：语义标签必须包裹真实可索引内容。用 <article></article> 包 JS 渲染的空白 <div>，等于贴假标签——爬虫拿到的是空容器，结构信号彻底失效。</div>
前端入门到VUE实战笔记：立即使用
在学习笔记中，你将探索 前端 的入门与实战技巧！
