HTML5没有自动提取标注内容的原生语义标签；仅视觉高亮且无结构化语义，需用data-属性（如data-highlight）配合显式规则才能被程序可靠识别和抓取。
HTML5 里没有“自动提取标注内容”的原生语义标签
很多人以为 <mark></mark> 或 <strong></strong> 能被爬虫/工具自动识别为“重点内容”并提取，其实不会。浏览器渲染时它们有样式或语气含义，但搜索引擎、通用爬虫、BeautifulSoup 或 cheerio 默认不把它们当结构化重点字段处理——除非你额外定义规则。
<mark></mark> 只是视觉高亮，不是数据标记
<mark></mark> 的本意是“在引用上下文中标出相关匹配项”，比如搜索结果页中高亮关键词。它不携带可解析的元数据，也不改变 DOM 结构优先级：
- 搜索引擎可能忽略其语义，仅当作普通内联文本处理
- 用
document.querySelector('mark')可以手动抓取，但必须显式写规则，不是“自动” - 如果页面用 CSS 把
<mark></mark>隐藏或重置样式，人眼看不到，但代码仍能读到——说明它不参与内容筛选逻辑
真正支持数据抓取的重点标注：用 data- 属性 + 显式规则
想让程序“知道这是重点”，得靠可编程识别的信号。推荐组合使用：
- 给关键段落加
data-highlight="true"或data-priority="high" - 配合语义化容器，如
<section data-role="key-insight"></section> - 服务端渲染时注入结构化 JSON-LD，例如在
<script type="application/ld+json"></script>中声明重点摘要 - Python 抓取示例：
soup.find_all(attrs={'data-highlight': 'true'})；Node.js 示例：$('[data-priority="high"]').text()
别依赖纯样式类名做内容筛选
像 class="highlight" 或 class="important" 看似直观，但风险很高：
立即学习“前端免费学习笔记（深入）”；
- CSS 类名常用于表现层，可能被压缩（如
.h1）、复用（同一 class 既用在标题也用在按钮）、或动态添加（JS 控制），不可靠 - 不同项目命名随意，
class="keypoint"和class="main-idea"本质一样，但程序无法自动归一 - 若未配合
data-属性，XPath 或 CSS 选择器容易误匹配，尤其在复杂嵌套中
真正稳定的抓取，靠的是约定明确的属性标识，而不是渲染效果或人类可读的类名。哪怕多写一个 data-extract="summary"，也比猜样式意图强得多。
