<main>必须唯一且为<body>直接子元素，否则爬虫无法识别主内容导致降权；语义标签不加权但决定索引范围，错用会触发结构冲突、元信息污染或主题识别失效。
HTML代码质量直接决定爬虫能不能“看见”你的内容——不是“是否收录”，而是“能否识别主内容、时间、作者、关键词权重”。结构错乱、语义缺失、标签滥用，会让爬虫跳过正文、误判标题层级、忽略关键时间信息，最终导致页面在搜索结果中降权或不被建模。
为什么为空或嵌套在
Google移动优先索引从2023年起已100%启用，它不会逐行解析
，而是直接定位第一个合法<main></main>、<footer><main>...</main></footer>、页面存在多个<main></main>、或靠JS动态插入后未触发重抓取。
-
<main></main>必须唯一且非空，包裹所有真实可索引的主内容（正文、核心CTA、关键数据），登录弹窗/广告塞进去会被判为“元信息污染” - SPA服务端渲染若只输出
<div id="root"></div>，等同于告诉爬虫“这里没主内容” - Lighthouse“Document structure”审计会直接报
main[empty]或main[nested]错误，模拟爬虫校验逻辑
必须带或aria-labelledby才能参与主题建模
或aria-labelledby才能参与主题建模
<section></section>在爬虫眼里不是视觉分块，而是“可独立建模的内容单元”。纯<section><p>...</p></section>不参与主题建模，也不会被单独索引或富摘要展示。
- 每个
<section></section>必须以<h2></h2>起始，或用aria-labelledby指向一个明确的标题元素 - 新闻列表页应为每条新闻包裹独立
<section></section>，而非整个列表套一个——否则爬虫误判为“一篇长文” -
<article></article>才具备“可独立分发、复用、被RSS抓取”的语义能力，<section></section>只是逻辑子模块
“2024年3月15日”对爬虫只是普通字符串，需NLP推断；而<time datetime="2024-03-15">2024年3月15日</time>自带标准格式的datetime属性，Google新闻/博客类页面据此提升时效性排序权重。
立即学习“前端免费学习笔记（深入）”；
-
datetime值必须符合YYYY-MM-DD（日期）、HH:MM（时间）或YYYY-MM-DDTHH:MM:SSZ（ISO 8601）格式 - 省略
datetime属性，或写成datetime="2024/03/15"、datetime="三月十五日"，均无效 - 爬虫不解析中文日期字符串，也不 fallback 到文本内容做语义识别
alt、canonical、viewport三标签出错直接触发收录下降
这三处是爬虫校验入口级信号，出错不是“影响排名”，而是“拒绝建模”：
-
alt为空或堆砌关键词（如alt="SEO优化 HTML SEO教程"）→ 图片内容不可信，关联文本权重稀释 -
rel="canonical"指向错误URL、自指循环、或跨域指向→ 触发duplicate without canonical警告，整页可能被判定为重复内容 -
viewport缺失或写成width=1024→ 移动端抓取失败，移动优先索引直接跳过该页
最常被忽略的是：这些标签一旦出错，不会报错提示，但会在Search Console的“覆盖率”报告中静默标记为“已排除”，需要人工点开具体URL才能发现。
