标簽：模板噪声

抓取正常但頁面不入库：主体内容太薄时的核對顺序

有些頁面狀態碼正常、robots 也没有拦，抓取日誌里能看到蜘蛛来過，但索引里始终没有它。這類情况往往不是發現或抓取环节的問题，而是頁面本身可供判断的信息太少。本文给出一套從正文提取、模板噪声排查到取舍處理的核對顺序，帮助你判断该补内容、该合並，還是干脆不指望它被收錄。