<main>必须唯一且直属于<body>，因Google移动优先索引（2023年起100%启用）直接定位首个合法<main>抓取首屏内容，错放或重复将导致爬虫误判主内容、降权或空抓取。
main 标签必须唯一且直属于 body
Google 移动优先索引从 2023 年起已 100% 启用，它不解析整个 DOM，而是直接定位第一个合法 <main> 开始抓取首屏文本、链接和标题层级。错放或重复就等于告诉爬虫“主内容不可信”。
-
<main>必须是<body>的直接子元素，不能嵌套在<header>、<footer>或任意<div>内 - 页面中
document.querySelectorAll('main')返回长度必须为 1，且不能为空（SPA 中 SSR 输出需含真实内容） - 常见错误：CMS 模板复用导致页头也带
<main>；Next.js 页面中<main>被 JS 动态插入但未触发重抓取 - 验证方式：用
curl -s URL | grep '<main>'查看源码是否含有效标签；DevTools 中运行上述 JS 检查数量
section 必须带语义锚点，否则不参与建模
<section> 不是视觉分块工具，而是爬虫识别“可独立建模内容单元”的信号。纯容器式使用（比如只包一个 <p>）会被忽略，整块内容失去主题权重。
- 每个
<section>必须以<h2>–<h6>起始，或带aria-labelledby指向有效标题元素 - 新闻列表页应为每条新闻单独包裹
<section>，而非整个列表套一个 —— 否则爬虫误判为“一篇长文” - 商品详情页中，参数表、用户评价、相关推荐等区块若各自独立可分发，才适用
<section>；广告位、客服入口等辅助信息请用<div>或<aside> - 注意：
<article>表示可独立分发、RSS 抓取的内容（如博客正文），<section>是逻辑子模块，二者不可混用
h1 必须唯一、精准、且位于 main 内部
爬虫把 <h1> 当作页面核心主题信号，但它只在合理语义上下文中生效。塞进 <footer> 或 <header> 会被判定为关键词堆砌，直接触发降权。
-
<h1>必须唯一，且必须出现在<main>内部（可嵌套在<main><header><h1>中） - 文本需与
<title>逻辑自洽：产品页用 “USB-C 多功能扩展坞”，不能写 “欢迎光临我的小站” - 禁止用
display: none隐藏冗余<h1>—— 这是明确的隐藏文本风险行为 - 标题层级必须连续：从
<h1>到<h2>到<h3>，跳级（如<h1>直接到<h4>）会破坏结构解析，辅助技术可能跳过该层级
time 和 img 的机器可读属性不能省略
“2024年3月15日”对爬虫只是普通字符串，<time datetime="2024-03-15"> 才是它能直接提取并用于时效性排序的结构化数据；同理，<img> 缺 alt 不是体验问题，是内容缺失。
立即学习“前端免费学习笔记（深入）”；
-
<time>的datetime属性必须符合 ISO 8601 格式（如2024-03-15T14:30），否则 Google 新闻类页面不提升时效权重 - 所有
<img>必须有alt：信息图需描述文字内容，装饰图可用alt=""，但“下载 PDF”按钮里的图标不能空 - 动态生成图片时，JS 插入的
<img>必须同步补全alt，否则 Lighthouse “Accessibility” 审计失败 - 避免用 CSS 改变视觉大小来“伪装”标题层级，
<h2>就是<h2>，别为了样式降级成<div class="h2">
重构不是换标签游戏，而是重新校准内容与机器之间的契约。最常被忽略的点是：爬虫不看你写了多少语义标签，而看你有没有破坏它们的嵌套逻辑和使用前提 —— 一个错位的 <main>，比十个没用的 <div> 更伤权重。
