标签：正文识别

页面正文太薄收录困难：先分清内容不足、模板占比过高与重复片段

页面迟迟不进索引，很多时候不是抓取问题，而是正文被判为过薄。本文把“薄”拆成信息量不足、模板占比过高、重复片段三类，给出先修结构、再补内容、最后决定合并或收敛的处理顺序，并列出几个容易白费力气的做法。