标签：模板噪声

抓取正常但页面不入库：主体内容太薄时的核对顺序

有些页面状态码正常、robots 也没有拦，抓取日志里能看到蜘蛛来过，但索引里始终没有它。这类情况往往不是发现或抓取环节的问题，而是页面本身可供判断的信息太少。本文给出一套从正文提取、模板噪声排查到取舍处理的核对顺序，帮助你判断该补内容、该合并，还是干脆不指望它被收录。