搜索引擎爬虫能识别html5语义标签，其中和用于定位主内容，辅助理解导航，需配合标题才有效；aria role不被googlebot解析，混用或隐藏语义标签会干扰抓取。
爬虫能识别哪些语义化标签
搜索引擎爬虫（如 Googlebot、Bingbot）对 <header></header>、<nav></nav>、<main></main>、<article></article>、<section></section>、<aside></aside>、<footer></footer> 这类 HTML5 语义标签有明确解析逻辑，但不是所有都参与排名权重分配。
关键事实是：<main></main> 和 <article></article> 是目前被广泛用于内容主体定位的标签；<nav></nav> 帮助识别导航结构，影响页面内链理解；而 <section></section> 单独使用几乎不传递语义信号，必须配合 aria-labelledby 或标题级元素（如 <h2></h2>）才有效。
- Google 官方文档明确表示：用
<main></main>包裹主内容区域，可减少对role="main"的依赖 -
<aside></aside>若出现在<article></article>内部，会被视为相关内容；若在全局层级，则可能被忽略或归为侧边栏噪音 -
<header></header>和<footer></footer>主要辅助布局理解，不直接影响关键词提取，但错误嵌套（比如在<article></article>外重复用多个<header></header>）可能干扰内容区块划分
为什么 <div role="main"> 比 <code><main></main> 更危险
用 ARIA role 模拟语义标签看似兼容旧浏览器，实则对爬虫更不友好——Googlebot 目前**不执行 JavaScript，也不解析 ARIA role 的语义替代逻辑**。它只认原生 HTML5 标签的 DOM 结构含义。
典型问题场景：
- 页面写成
<div role="main"> <h1>标题</h1> <p>正文</p><div class="aritcle_card flexRow artxards"> <div class="artcardd flexRow"> <a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill3458" title="html-ppt-to-pdf"><img src="https://img.php.cn/upload/skill/000/000/081/178956546773641.jpg" alt="html-ppt-to-pdf" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a> <div class="aritcle_card_info flexColumn"> <a rel="nofollow" href="/xiazai/skill3458" title="html-ppt-to-pdf" class="overflowclass">html-ppt-to-pdf</a> <p class="overflowclass">将使用 `<section class="slide">` 约定的 HTML 幻灯片转换为高保真、矢量文本 PDF（使用 Playwright + Chromium 原生 PDF 功能）。</p> </div> <a rel="nofollow" href="/xiazai/skill3458" title="html-ppt-to-pdf" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a> </div> </div> </div>→ 爬虫无法识别主内容区，可能误判<h1></h1>所属上下文 - 混用：同时存在
<main></main>和role="main"→ 触发冗余或冲突解析，部分旧版 Bingbot 曾因此降权整个区块 - ARIA label 未同步更新：比如
<aside role="complementary" aria-label="相关推荐"></aside>，但实际内容是广告 → 爬虫不会校验语义真实性，但人工审核可能标记为误导
<article></article> 和 <section></section> 到底怎么选
二者核心区别不在“是否独立”，而在“是否可分发”。<article></article> 表示可脱离当前页面独立存在、有明确作者/时间/来源的内容单元（如博客文章、新闻条目、用户评论）；<section></section> 只是主题性分组，无独立发布意义。
错误用法直接导致内容权重稀释：
- 把整页产品列表用一个
<section></section>包裹 → 爬虫无法区分每个商品卡片的边界，标题和价格易错位匹配 - 每个商品卡片都用
<article></article>→ 合理，尤其当卡片含<time datetime></time>和<address></address>时，Google 可能增强富摘要展示 - FAQ 页面用
<section></section>+<h3></h3>是标准做法；但如果每个问答单独成页并被收录，则应改用<article></article>
隐藏内容与语义标签的冲突风险
用 display: none、visibility: hidden 或 aria-hidden="true" 隐藏的语义元素，爬虫行为不一致：Googlebot 会完全忽略其中内容，但 Bingbot 仍可能索引文本（尤其当 CSS 未加载时），造成语义标签包裹了本不该被读取的内容。
真实踩坑案例：
- 轮播图的非首屏
<article></article>被设为display: none→ Google 认为该<article></article>不存在，其内<h2></h2>和链接不参与锚文本计算 - 用
<aside></aside>包裹“点击展开详情”，再用 JS 切换hidden属性 → 爬虫只看到空<aside></aside>，既无内容又占语义位置 - 正确做法：动态内容应在 JS 渲染后通过
document.createElement('article')插入，而非预置隐藏标签
语义标签不是越多越好，嵌套深度超过三层（如 <article><section><article><section></section></article></section></article>）会让爬虫放弃结构推断，退回纯文本分析模式。
