蜘蛛抓取頁面时，第一件事是下载 HTML 源碼。如果一份列表頁的源碼有 800KB，其中绝大部分是内联样式、統計脚本和各種重复结构，那么真正用于讀内容的资源就被压缩了。頁面体积本身不等于權重，但過大的体积會消耗抓取预算，也會影响首屏渲染和用戶阅讀体驗。
一次頁面体积自查，重点看什么
HTML 源碼大小
- 首頁、栏目頁、詳情頁各取 3 到 5 個样本，分別记錄压缩前與压缩後的源碼体积。
- 單頁 HTML 压缩後明顯超過 300KB，就值得翻一翻原因，不必急着定死标准，先看构成。
- 留意後台編輯器導出的内联样式、字体 base64、未裁剪的 JSON 資料块，它們常常是体积大头。
内联资源是否每頁重复下發
- base64 小图、内联 SVG 图标、整段内联 CSS 與 JS，如果被寫進模板，就會出現在每個頁面上。
- 公共样式和脚本更适合外鏈並交给缓存，而不是每次随 HTML 一起重复传輸。
冗余與重复结构
- 導航、面包屑、頁脚是否在每頁完整輸出两三遍，尤其是多套模板拼装时容易出現。
- 注释掉的舊代碼、隐藏的填充文本、废弃的模板片段，長期留在源碼里並不會带来收益。
- 移動端與 PC 端如果是两套 DOM 同时輸出，再用 CSS 隐藏其中一套，体积會接近翻倍。
抓取與渲染层面的连带影响
- 体积變大後，單次抓取耗时變長，同样一段時間内能抓的 URL 數量下降。
- 如果頁面依赖前端渲染，源碼里几乎没有正文，問题會比單纯体积大更麻烦。
- HTML 解析和 DOM 构建同样變慢，移動端用戶的首屏等待會直接感受到。
可以動手的压缩方向
- 開啟服務端压缩，優先使用 brotli 或 gzip，並去掉模板里多余的空行與注释。
- 合並重复的模板片段，让公共区块在每個頁面只輸出一次。
- 把 base64 小图改回獨立图片文件，交给浏览器缓存和 CDN。
- 清理未使用的 CSS 規則和早已不用的老版本 JS 库。
- 首屏用不到的脚本延後加载，不要把統計、彈窗、客服组件全部塞在头部。
自查节奏與记錄方式
不必每天测一次，但每次調整模板、接入新组件之後，抽查几個典型頁面的体积變化是有必要的。建议固定记錄三項：压缩後体积、請求數量、排在前几位的体积贡献块。過一段時間把這份记錄和服務器日誌里的抓取情况對照，看响應時間和抓取频次有没有實际變化。
提示：减体积不是删内容。優先處理重复、废弃、纯装饰性的代碼，正文段落、标题层級和必要的语义标簽不要為了好看的數字而牺牲。
小结
頁面体积是一項容易被忽略的基础指标。它不直接决定頁面能不能被收錄，但會影响蜘蛛下载和解析頁面的效率，也會影响用戶的第一次感受。把重复结构和無用代碼清一清，是成本不高、见效相對直接的一次站点整理。