缺失会使爬虫彻底放弃正文识别，因其依赖初始html语义锚点而非js渲染后dom；无则无法定位主体内容，ssr/ssg中须首屏直出，js动态插入超500ms即失效。
搜索引擎爬虫在复杂 JS 异步渲染环境下，无法补救 HTML 结构缺陷——结构错乱时，连“抓取什么”都判断错了，更谈不上“补救”。
为什么 <main></main> 缺失会让爬虫彻底放弃正文识别
爬虫不是靠 JS 渲染后 DOM 去找内容，而是依赖初始 HTML 的语义锚点。没有 <main></main>，它不会等 JS 执行完再扫描，而是直接跳过整块区域。
- SSR/SSG 构建产物中，
<main></main>必须出现在document.body.innerHTML首屏 HTML 里，JS 动态插入的<main></main>超过 500ms 就被忽略 - 若页面用 Vue/React 渲染，但服务端返回的是空
<div id="app"></div>，且没包裹在<main></main>内，爬虫看到的就是“无主体内容” - 多个
<main></main>标签会触发 Google 的STRUCTURE_ERROR信号，整页内容权重下调，不因“多一个就多抓一点”
动态渲染页中 <h1></h1> 放错位置的实际后果
<h1></h1> 不是视觉标签，是语义归属声明。它在哪一层 DOM，就决定了它“代表谁的内容”。
- 放在
<footer></footer>或嵌套在<aside></aside>里的<h1></h1>，会被判定为“与上下文脱节”，Google 可能完全忽略该标题，也不将其与<title></title>关联 -
<h1></h1>和<title></title>文本差异超过 30%（如 title 是“前端性能优化指南”，h1 是“联系我们”），Lighthouse 明确报document.title does not match h1，长期影响相关性得分 - Vue/React 中用
v-html或dangerouslySetInnerHTML注入<h1></h1>，若父容器未被<main></main>包裹，该<h1></h1>仍无效
DOM 深度超 6 层时，<h2></h2> 及其后文本为何大概率不进索引
这不是配置问题，是爬虫解析器的硬性截断策略：纯 <div> 嵌套超过 6 层，且中间无语义标签（<code><article></article>、<section></section>、<header></header> 等）中断时，解析器主动终止子树遍历。
- 常见于 CSR 框架生成的“div 套 div”结构，比如
<div class="container"> <div class="wrapper"><div class="content"><div class="body"><div class="text"><div class="paragraph"><p>...</p></div></div></div></div></div> <li>即使 JS 最终把 <code><h2></h2>插入第 7 层，爬虫也不会执行 JS 去“发现”它；它只对初始 HTML 做深度优先解析，到第 6 层就停 - 修复方式不是“压平所有 div”，而是用语义标签替代部分
<div>，例如把最内层 <code><div class="paragraph"> 替换为 <code><section></section>，即可重置深度计数预渲染或 SSR 失效时，唯一可行的 fallback 是结构化数据注入
当 SSR 配置失败、Prerender 工具超时、或路由级动态内容无法静态化时，
__NEXT_DATA__、window.__NUXT__、data-layer这类脚本块是爬虫唯一可能读取到的完整语义来源。- 必须确保该脚本存在于初始 HTML 中（不能由 JS 动态创建），且 JSON 内容包含
headline、description、datePublished等关键字段 - Google 对
application/ld+json的解析优先级高于 HTML 结构，但前提是该 script 标签有id（如id="__NEXT_DATA__"）且未被 JS 删除 - 若使用 Playwright 抓取渲染后页面再存为静态 HTML，必须手动提取并保留原始结构化数据脚本，否则相当于“把动态结果拍成快照”，却丢掉了语义锚点
真正容易被忽略的，不是“怎么加
<main></main>”，而是加在哪儿——它必须出现在服务器吐出的第一段 HTML 字节流里，而不是任何 JS 执行路径之后。 - 必须确保该脚本存在于初始 HTML 中（不能由 JS 动态创建），且 JSON 内容包含
