有些頁面能正常抓取、返回 200、也排除了软 404，但就是長期不進索引；還有一些頁面進了索引，搜尋结果里的标题和摘要却是導航文字或者推荐位的营销语。這两類現象背後常常是同一個原因：頁面的正文占比太低，主体内容被模板、導航、广告和推荐模块包围，抓取系統很难判断這一頁到底在讲什么。
正文占比為什么會影响收錄判断
抓取系統拿到的是一份 HTML，它需要從里面切出主体内容，用来判断頁面主题、评估内容是否足够，再决定是否值得放進索引。当模板代碼遠多于正文代碼时，切分就容易失敗：
- 正文段落被夹在多层推荐位之間，识別出来的主体可能只剩一两句；
- 導航、面包屑、相關阅讀的文字量超過正文，索引里儲存的摘要被這些文字占據；
- 多個頁面共享同样的模板文案，頁面之間看起来高度相似，容易被当作重复或低價值頁面處理。
需要說明的是，正文占比低不等于一定不收錄，它更像一個减分項，和其他信号一起影响最终判断。
容易被模板稀释的几種頁面
- 正文很短的詳情頁：内容只有两三行參數，剩下空間全被規格表、推荐商品、评论区占满。
- 堆了多個模块的资讯頁：顶部横幅、侧栏热榜、文末标簽云加起来字數超過正文。
- 靠前端拼接的頁面：正文、推荐、评论都由脚本在客戶端填充，抓取时拿到的初始 HTML 几乎是空壳。
怎么判断自己是不是這個問题
- 用抓取工具或浏览器查看源代碼拉一次頁面，屏蔽样式和脚本，看纯文本里正文占多少比例。
- 對照索引中儲存的标题與摘要，看它取的是不是正文第一段。
- 對比同模板的其他頁面，如果同一位置被识別的“主体”各不相同且都不是正文，基本可以確認是模板造成的。
處理顺序：先让正文被看见
- 把正文放在 DOM 前部：不要為了视觉效果把正文包在多层层級的最深處。
- 精简模板噪声：热榜、推荐位、标簽云能收敛就收敛；非必要模块可以考虑异步加载，但正文不要依赖脚本渲染。
- 用语义标簽承载主体：main、article、层級清晰的 h 标簽，比一堆無语义的 div 更容易被识別。
- 补足主体内容：如果正文本身只有两句话，那是内容問题，調结构帮不上忙，先补内容再谈收錄。
- 观察反馈：調整後等重新抓取，看索引里儲存的摘要是否變成正文内容，這個信号比“有没有收錄”更细致。
两個容易走偏的做法
- 為了顯得正文多，把導航文字複製進正文，反而制造了站内重复内容。
- 把模板模块用 display:none 隐藏却保留在 HTML 里，文字仍會被讀到，起不到稀释作用，還可能被当作隐藏内容處理。
正文占比不是一條硬性規則，也没有公開的分值门槛。它更像是抓取系統理解頁面时的一道基础條件：能切出主体，後面的判断才有依據。
做完這些調整，也仍然需要等待重新抓取和重新评估。與其只盯着收錄數量，不如先確認索引里儲存的那一版摘要，是不是你希望用戶看到的正文。