真正有效的关键词提取必须基于页面可见文本内容并结合语义权重分析，而非依赖已弃用的标签；需经提取可见文本、去噪过滤、统计加权三步实现。
直接提取 <meta name="keywords"> 的内容不可靠，多数现代网站已弃用该标签，或填入无意义的堆砌词。真正有效的关键词提取必须基于页面可见文本内容，再结合语义权重分析。
为什么不能只读 meta 标签
浏览器和搜索引擎早已弱化甚至忽略 meta name="keywords"；大量 CMS 自动生成的值形如 "seo, seo tools, free seo, best seo"，毫无区分度；部分站点完全缺失该标签，但标题、正文、<h1></h1>、<strong></strong> 中仍含高信息密度词汇。
实际工程中，应把 meta 当作辅助信号（若有且格式合法），而非主数据源。
从文本内容提取关键词的三步实操
核心逻辑是：先干净地提取可见文本 → 去噪过滤 → 统计+加权排序。不依赖 NLP 框架也能快速落地：
- 用
BeautifulSoup提取非脚本/非样式区域的纯文本：soup.body.get_text() if soup.body else soup.get_text()，再用.strip().replace('\n', ' ').replace('\t', ' ')压缩空白 - 手动过滤低价值词：去掉 HTML 常见停用词（如 "the", "a", "and", "of"）、数字、单字符、URL 片段（含
http,www,.com） - 按词频 + 位置加权：标题（
soup.title）、一级标题（soup.find('h1')）、加粗标签（soup.find_all(['strong', 'b'])）中的词给予 2–3 倍权重
lxml vs BeautifulSoup：选哪个解析器
若输入 HTML 质量高（标准闭合、UTF-8 编码），lxml 解析快 3–5 倍，适合批量处理；但遇到老旧页面中 <meta name="keywords" content="AI,机器学习"> 这类无引号属性时，lxml 会直接报错或漏掉节点，而 BeautifulSoup 配合 'html.parser' 或 'html5lib' 能容错解析。
生产环境建议：默认用 BeautifulSoup(html, 'html.parser')；确认输入可控后再切到 lxml。
n8n 或低代码场景下怎么配关键词提取
n8n 的 HTML 节点本身不提供词频统计，但它能精准拿到标题、正文、关键词 meta 等字段，后续接一个 Function 节点即可完成清洗与统计：
- 从
HTML节点输出中取$input.item.json.title和$input.item.json.contentText - 在
Function节点里用 JS 写简版分词：text.toLowerCase().match(/\b[a-z\u4e00-\u9fa5]{2,}\b/g) || [] - 合并数组后用
reduce统计频次，再按频次倒序取前 5–10 个
注意：中文需额外处理，JS 原生正则对中文支持有限，\u4e00-\u9fa5 覆盖常用汉字但不含 Emoji、标点、全角数字；真实项目建议用 Python 子流程或调用轻量分词服务。
关键词提取真正的难点不在解析，而在“哪些词算关键”——标题里的词权重一定高于段落末尾的词，但具体加多少倍、是否过滤行业通用术语（如“服务”“方案”“平台”），得结合业务目标人工校准。工具只是放大器，不是判断者。
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！
