语义化标签提升爬虫解析准确率而非决定能否工作；如<article>比<div>更易识别正文，<h1>天然具语义权重，<nav><footer>影响索引方式而非收录，<main>为Google核心摘要来源。
有用，但不是“爬虫靠它才能工作”，而是语义化标签能帮爬虫更准确理解页面结构和内容权重——<article> 里的文字比一堆嵌套 <div> 里的文字更容易被识别为正文主体。
为什么 <h1>～<h6> 比 <div class="title"> 更受爬虫青睐
搜索引擎（如 Google）的抓取器会结合 HTML 结构推断内容重要性。<h1> 天然代表页面主标题，具有隐式语义权重；而 <div class="title"> 只是视觉容器，除非额外加 role="heading" 或 aria-level，否则不会被当作标题处理。
- 同一页面多个
<h1>会被视为结构混乱，可能影响 SEO 评分 -
<h2>～<h6>的嵌套层级会被用于构建内容大纲（TOC），影响富摘要展示 - 纯 CSS 控制样式的
<div>标题，在无 JS 渲染的爬虫快照中可能完全丢失语义
<nav>、<footer> 这类区域标签真会影响收录吗
不影响“是否收录”，但影响“如何索引”。爬虫会把 <nav> 里的链接标记为导航链，降低其内容相关性权重；把 <footer> 中的文本（如备案号、版权声明）归类为非主体信息，通常不参与关键词匹配。
-
<main>是关键：Google 明确表示会优先提取<main>内容作为页面核心摘要来源 -
<aside>内容常被降权或排除在正文 TF-IDF 计算之外 - 用
<div id="nav">替代<nav>，需手动补role="navigation"才能获得近似效果
HTML4 的 <div> 真的“没用”吗
不是没用，是“不自带语义”。只要配合合理的 class 命名、ARIA 属性和 DOM 层级，<div> 依然能被爬虫理解——只是成本更高、容错更低。
立即学习“前端免费学习笔记（深入）”；
- Google 支持 ARIA
role属性（如role="article"），但部分旧爬虫或垂直领域采集器可能忽略 - 过度依赖
class="header"+ CSS 而不写<header>，会导致无障碍工具和轻量爬虫无法区分页眉与普通区块 - 实测：相同内容下，用
<article><h2>的页面在 Google Search Console 的“结构化数据测试工具”中更容易触发自动识别
<!-- 推荐：语义清晰，无需额外标注 --> <article> <h2>爬虫如何解析语义化标签</h2> <p>这里的内容会被高置信度识别为主体文本。</p> </article> <p><!-- 可行但冗余：需要靠 ARIA 补充 --> <div role="article" aria-labelledby="a1"> <h2 id="a1">爬虫如何解析语义化标签</h2> <p>这里的内容依赖 aria-labelledby 才能关联标题。</p> </div>
真正容易被忽略的是：语义化标签的价值在「多层解析」中才显现——单看源码可能看不出差别，但在爬虫的 DOM 分析、NLP 提取、结构化数据生成三个环节里，<time datetime="2024-05-20"> 这种带机器可读属性的标签，比 <span class="date">2024年5月20日</span> 少了至少两次正则匹配和一次上下文推断。
