蜘蛛抓取入口頁时，拿到的是 HTML 源碼，而不是浏览器里那個排版整齐的画面。它需要靠标簽来判断：哪一段是标题，哪一段是正文，哪一段是導航，哪一段是頁脚。语义结构清楚，蜘蛛的解析成本就低，頁面主题也更容易被归到正确的位置上。
标题层級是蜘蛛拿到的第一份地图
h1 到 h6 不是字号工具，而是层級工具。一個入口頁最好只有一個 h1，用来說明這一頁到底在讲什么；h2 用来分块，h3 放在 h2 之下做细分。跳過层級、或者一层层全靠 div 加粗来伪装标题，蜘蛛讀起来會失去參照。
常见的两個毛病：一是把 h1 让给站点名或 logo，真正主题反而寫在 h2 里；二是一頁塞好几個 h1，蜘蛛不知道哪個才是重点。這两種情况都不算错誤，但會让判断變得模糊。
正文容器：让蜘蛛知道從哪讀到哪
main、article、section 這類标簽不是装饰。它們的作用是圈出内容范围，把導航、侧栏、頁脚從正文里区分開。入口頁结构简單的时候差別不明顯，一旦頁面元素變多，有没有這层区分就很直观了。
- article：适合装一篇完整的内容主体。
- main：一頁只用一次，包住核心内容。
- section：用于正文内部的逻辑分段，通常配合一個 h2 或 h3。
要注意的是，別把導航連結塞進 article 里，也別把正文拆成几十個没有标题的 section。容器是為了减少歧义，不是為了凑标簽數量。
几個常被忽略的细节
- 正文里的連結尽量放在段落中，而不是全部堆在頁面底部。
- 图片的 alt 寫一句人话，說明這張图在讲什么，不要堆關鍵詞。
- 不要用 display:none 藏大段文字，蜘蛛讀得到，但會把這類内容当成可疑信号。
- 表格留给資料，別用来做頁面布局。
- 加粗用 strong 或 b，但一頁別到處加粗，重点太多等于没有重点。
可以照着做的检查清單
- 一頁一個 h1，内容與頁面主题一致。
- h2、h3 按顺序递進，不跳級。
- 正文用 p 分段，段落之間長度接近，避免一整坨文字。
- 核心内容放在 main 或 article 内，導航與頁脚放在外面。
- 連結锚文本寫清楚指向什么，不要清一色“点击這里”。
- 用纯文本浏览器或關閉样式看一眼，頁面结构是否還能讀懂。
语义结构的作用是降低解析难度，不是提高抓取優先級。它解决的是“讀得懂”，不解决“值不值得讀”。
语义清晰只是及格线
把标簽寫對，蜘蛛能更准确地找到正文和連結，這属于基础工作。但入口頁最终能不能被持續抓取，還取决于内容是否有人看、頁面是否稳定、更新是否有實际意义。语义结构做得好，不會让一個空壳頁突然變得有價值；做得差，却會让一個本来還行的頁面在解析环节先丢分。先把结构理顺，再谈其他優化，顺序更合理。