很多站点排查收錄問题时，第一反應是内容太少了，于是一路加字數。但搜尋引擎判断頁面质量，看的不是绝對字數，而是這個頁面里有多少是它自己獨有的、围绕同一個主题的正文，有多少是每個頁面都一样的模板。把這两個量算成比例，比單纯數正文長度更有參考價值。
為什么要看比例，而不是只看字數
一個两千字的頁面，如果有一千五百字是導航、推荐位、相關文章和公共话術，實际獨有内容只有五百字；而一個八百字的頁面，如果七百字都在回答同一個問题，它的有效内容密度反而更高。字數可以堆，比例不容易堆。這也是為什么同一個模板下的頁面，往往是一部分收錄正常、一部分長期没有動静。
三個可以自己算出来的數字
- 正文比例：正文区字數除以頁面可见總字數。粗略做法是把頁面剥掉導航、頁脚、侧栏後的可见文字，和整頁可见文字做對比。
- 模板占比：同一模板下若干頁面里完全相同的文字块，占單頁可见文字的比重。抽三到五個同模板 URL 逐块比對，就能估出大概范围。
- 重复块數量：頁面上換個頁面也不會變的模块個數，比如通用免责声明、统一 FAQ、跨類目的推荐列表。
這三個數字不需要精确到小數点，只要能被反复测量、能在改動前後做對比，就有用。
模板占比過高的几種常见形態
模板占比高本身不是错誤，導航和頁脚本来就要重复。問题出在重复的部分把獨有内容挤到了次要位置：
- 正文只有两三段，下面是几十條與目前主题無關的推荐連結；
- 列表頁里每張卡片都带同一段营销文案，只有标题不同；
- 詳情頁顶部先放一大段品牌介绍，用戶和爬虫都要往下滚很久才看到主体；
- 分類頁和标簽頁共用同一段說明文字，只換了标题里的關鍵詞。
這類頁面不是打不開，而是打開之後没有明确的信息主体。抓取通常能正常完成，問题更多出在處理和篩選阶段。
重复块不等于重复内容
需要区分两件事：结构性重复，也就是模板、導航、頁脚這類；以及内容性重复，也就是正文本身和別的頁面几乎一样。前者一般不必特意處理，後者才需要判断去留。判断顺序建议是先確認這批頁面是否對應獨立的搜尋需求，再决定是合並、加規范标簽，還是保留但把正文做出差异。反過来做，先删頁面再看需求，很容易把還有入口價值的地址删掉。
一個可执行的自查顺序
- 選一個模板，挑五個 URL，手動統計正文比例和重复块數量，得到模板級基线。
- 按正文比例從低到高排序，先看最低的那一批，確認它們是否承担獨立需求。
- 對承担獨立需求的頁面，把獨有内容前移，压缩與主题無關的推荐模块。
- 對不承担獨立需求的頁面，考虑合並進主頁面，或用規范标簽指向主頁面，而不是简單刪除。
- 改完後按目錄分组抽样，隔几周再看一次抓取與索引狀態，不要用單天資料下结论。
比例只是自查工具，不是评分公式。搜尋引擎没有公開的正文比例及格线，任何声称達到某個數值就能被收錄的说法都不可信。
容易被忽略的一点
統計时用的是可见文字，不是 HTML 体积。模板里塞進去的大段结构化資料、預設折叠的内容、寫在图片上的文字都不會体現在可见文字里，但它們同样影响頁面的實际呈現。如果發現某個模板的 HTML 很大而可见文字很少，通常說明结构本身有問题，值得單獨拿出来看。
改版或者多語言站点容易让這個問题放大：同一套模板套在几十種頁面上，重复块會被複製很多次。這时候與其逐個改頁面，不如先在模板层面把重复块压缩一轮，再针對少數重点頁面做差异化，投入产出比會更高。