蜘蛛抓取入口页时，拿到的是 HTML 源码，而不是浏览器里那个排版整齐的画面。它需要靠标签来判断：哪一段是标题，哪一段是正文，哪一段是导航，哪一段是页脚。语义结构清楚，蜘蛛的解析成本就低，页面主题也更容易被归到正确的位置上。
标题层级是蜘蛛拿到的第一份地图
h1 到 h6 不是字号工具，而是层级工具。一个入口页最好只有一个 h1，用来说明这一页到底在讲什么；h2 用来分块，h3 放在 h2 之下做细分。跳过层级、或者一层层全靠 div 加粗来伪装标题，蜘蛛读起来会失去参照。
常见的两个毛病：一是把 h1 让给站点名或 logo，真正主题反而写在 h2 里；二是一页塞好几个 h1，蜘蛛不知道哪个才是重点。这两种情况都不算错误，但会让判断变得模糊。
正文容器：让蜘蛛知道从哪读到哪
main、article、section 这类标签不是装饰。它们的作用是圈出内容范围，把导航、侧栏、页脚从正文里区分开。入口页结构简单的时候差别不明显，一旦页面元素变多，有没有这层区分就很直观了。
- article：适合装一篇完整的内容主体。
- main：一页只用一次，包住核心内容。
- section：用于正文内部的逻辑分段，通常配合一个 h2 或 h3。
要注意的是，别把导航链接塞进 article 里，也别把正文拆成几十个没有标题的 section。容器是为了减少歧义，不是为了凑标签数量。
几个常被忽略的细节
- 正文里的链接尽量放在段落中，而不是全部堆在页面底部。
- 图片的 alt 写一句人话，说明这张图在讲什么，不要堆关键词。
- 不要用 display:none 藏大段文字，蜘蛛读得到，但会把这类内容当成可疑信号。
- 表格留给数据，别用来做页面布局。
- 加粗用 strong 或 b，但一页别到处加粗，重点太多等于没有重点。
可以照着做的检查清单
- 一页一个 h1，内容与页面主题一致。
- h2、h3 按顺序递进，不跳级。
- 正文用 p 分段，段落之间长度接近，避免一整坨文字。
- 核心内容放在 main 或 article 内，导航与页脚放在外面。
- 链接锚文本写清楚指向什么，不要清一色“点击这里”。
- 用纯文本浏览器或关闭样式看一眼，页面结构是否还能读懂。
语义结构的作用是降低解析难度，不是提高抓取优先级。它解决的是“读得懂”，不解决“值不值得读”。
语义清晰只是及格线
把标签写对，蜘蛛能更准确地找到正文和链接，这属于基础工作。但入口页最终能不能被持续抓取，还取决于内容是否有人看、页面是否稳定、更新是否有实际意义。语义结构做得好，不会让一个空壳页突然变得有价值；做得差，却会让一个本来还行的页面在解析环节先丢分。先把结构理顺，再谈其他优化，顺序更合理。