聚合页中多个article未被独立抓取，根本原因是语义结构错误：article未作为main或section的直接子元素，且常被div等非语义容器包裹；time标签缺失datetime属性或格式不规范；section与article层级颠倒；article内缺少明确h2标题。

聚合页里多个article为什么没被当成独立内容抓取

根本原因往往是

缺失或包裹错误——Google 移动优先索引只信任位于

内部、且不被

、

、

等语义容器嵌套的

。如果所有

都塞在一个

里，哪怕视觉上是卡片流，爬虫也只当它是普通区块。

实操建议：

• 确认第一层DOM中存在且仅有一个
  ，它必须直接包裹聚合逻辑区域（比如整个博客列表），而不是只包每篇文章
• 每个
  必须是

  的直接子元素，或至少是

  的直接子元素；避免

  嵌套在

  、

  或自定义 class 容器内
  • 检查是否用了 JS 动态渲染：若
    初始 HTML 为空（如

    ），爬虫会跳过全部

    ，哪怕后续 JS 补全了内容

  article内部缺少time[datetime]导致富摘要失效

  搜索引擎依赖time标签的datetime属性解析发布时间，没有它，就无法生成「X小时前发布」这类时效性摘要，也会影响新闻类内容在搜索结果中的排序权重。

  常见错误现象：

  • <time>5月19日</time>——无datetime，纯文本时间，机器不可解析
  • <span class="date">2026-05-19</span>——用span替代time，语义丢失
  • <time datetime="May 19, 2026"></time>——格式非 ISO 8601，部分解析器会拒绝识别

  正确写法：<time datetime="2026-05-19">5月19日</time>，日期必须为YYYY-MM-DD格式，且time需放在

  的header内（如<article><header><h2>标题</h2> <time datetime="2026-05-19"></time></header><p>正文</p><div class="aritcle_card flexRow artxards"> <div class="artcardd flexRow"> <a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill6712" title="Wechat HTML Publisher"><img src="https://img.php.cn/upload/skill/000/000/081/179109368394970.jpg" alt="Wechat HTML Publisher" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a> <div class="aritcle_card_info flexColumn"> <a rel="nofollow" href="/xiazai/skill6712" title="Wechat HTML Publisher" class="overflowclass">Wechat HTML Publisher</a> <p class="overflowclass">直接上传HTML富文本到微信公众号草稿箱。支持完整的HTML格式,无需Markdown转换。</p> </div> <a rel="nofollow" href="/xiazai/skill6712" title="Wechat HTML Publisher" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a> </div> </div></article>）

  section套article还是article套section：层级错位直接稀释主内容权重

  聚合页结构有明确层级约束：

  →

  （带

  栏目标题）→ 多个

  。把

  换成

  或直接丢掉，问题不大；但反过来——用

  包裹整个“国内要闻”栏目，就彻底混淆了“可分发单元”和“主题分区”的边界。

  为什么不能

  套

  再套

  ？

  • 外层
    声明“这整块内容可被 RSS 单独订阅”，但实际里面是十几个新闻条目，语义矛盾
  • Google 可能将外层
    识别为“单篇长文”，忽略内部所有子

    ，导致单条新闻失去独立索引机会
  • 屏幕阅读器会把整个栏目读作一篇内容，跳转锚点混乱

  正确结构示例：<main><section><h2>国内要闻</h2> <article>...</article><article>...</article></section><section><h2>国际快讯</h2> <article>...</article></section></main>

  article里没h2或标题文案空泛，触发“结构缺失”标记

  每个

  必须含一个明确描述本篇内容的标题，且推荐用

  （除非页面无

  ，此时可用

  ）。标题不能是“点击查看”“详情如下”这类无信息量文案，也不能复用页面级

  （如全站统一用

  我的博客

  ）。

  容易踩的坑：

  • 用

    甚至

    作为

    主标题，导致标题大纲断裂，爬虫无法建立内容树

  • 标题文字与正文主题偏差大（如标题写“前端技巧”，正文讲 Node.js 部署），被判定为关键词堆砌
  • 多个
    共用相同

    （如全是“最新动态”），让爬虫认为内容重复、价值低

  判断标准很简单：删掉其他所有

  ，只留这一篇，打开新 HTML 文件，用户能否一眼看懂这是什么内容、为什么值得点开？不能，就得重写标题。