爬虫仅解析dom树，不渲染视觉样式；必须为直接子元素且包裹全部主体内容；唯一且须在内首区块；alt、canonical、viewport三标签出错将直接阻断深度解析。
爬虫只解析DOM树，不“读”页面视觉
搜索引擎爬虫拿到HTML后第一件事是构建DOM树，不是渲染页面也不是识别CSS样式。你用font-size: 32px把一段p标签撑得比h1还大，在爬虫眼里它还是普通段落——权重、主题锚定、内容分块全无依据。所谓“引导深度解析”，本质是让DOM树本身携带足够明确的结构信号，减少爬虫猜解成本。
<main></main>必须包裹全部主体内容，且不能嵌套在<section></section>里
这是最容易被忽略的硬性结构要求。<main></main>是爬虫定位“这页到底在讲什么”的首要坐标，它不是可选装饰，而是语义必需。常见错误包括：
- 只把文章标题包进
<main></main>，正文用一堆<div>散列——爬虫会认为主体内容极短，可能跳过后续解析 <li>把<code><main></main>塞进<section></section>或<article></article>内部——<main></main>必须是的直接子元素，否则部分爬虫（尤其是旧版BingBot）会降权识别 - 同一页面出现多个
<main></main>——违反W3C规范，Google明确表示可能忽略全部
正确写法：
<header>...</header><main><article>...</article><aside>...</aside></main><footer>...</footer>
<h1></h1>只能有一个，且必须出现在<main></main>内首个有意义区块
<h1></h1>不是“最大字号的标题”，而是页面唯一主实体声明。爬虫靠它锚定关键词、归类主题、分配索引预算。如果CMS模板默认给logo、面包屑、文章标题都套<h1></h1>，等于告诉爬虫：“这页有三个主主题”，结果就是全部弱化。
- 位置必须在
<main></main>内部，不能在<header></header>或<aside></aside>里 - 文本需自然包含该页核心词，比如产品页用
<h1>Wireless Bluetooth Headphones with ANC</h1>，而非<h1>Products</h1>
- 后续标题严格按
<h2>→<code><h3></h3>→<h4></h4>降序，禁止<h1></h1>后直接<h3></h3>
alt、canonical、viewport三标签出错，爬虫直接放弃深度解析
这三个标签不显眼，但属于基础设施级配置：不出错不提醒，一出错就阻断关键路径。
-
<img>缺alt或写成alt="image"——图片不入图搜，富媒体片段（Rich Snippets）失效，且影响整体页面语义完整性评分 -
<link rel="canonical">href用相对路径（如/product/abc）或协议相对路径（//example.com/product/abc）——爬虫无法解析为唯一源，可能触发重复内容惩罚 -
<meta name="viewport">缺失或写错（如content="width=1200"）——Google视作不支持移动索引，不仅降权，连LCP等核心指标都不纳入评估
真正容易被绕过的点是：这些标签一旦写错，爬虫不会报错，也不会重试，只是默默降低该页的抓取优先级，甚至跳过深层内容提取。修复后还需等待下一轮调度，不是改完就立刻见效。
