和合理使用不影响爬虫识别正文，因其属轻量语义标签；真正影响正文提取的是display:none、无语义div堆砌及js动态注入内容。
用 <strong></strong> 和 <em></em> 标重点不会干扰爬虫识别正文
搜索引擎（包括百度、Google）早已能准确区分语义标签与纯样式标签。只要不滥用、不嵌套过深，<strong></strong> 和 <em></em> 会被视作轻量级语义强调，不影响正文提取逻辑。爬虫真正依赖的是块级结构（如 <article></article>、<section></section>、<p></p>）和 DOM 层级关系，而非内联强调标签。
常见错误现象：有人把整段标题或关键词反复套 <strong></strong>，甚至写成 <strong><strong><strong>核心词</strong></strong></strong> —— 这类堆砌反而可能被判定为关键词操纵，触发风控模型降权。
- 正常用法：
<p>本方案支持 <code><strong>实时同步</strong>与<em>离线回滚</em>两种模式。 - 避免用法：
<p><strong><strong><strong>SEO</strong></strong></strong>优化必须用<strong><em>HTML5</em></strong>！</p> <p><span>立即学习</span>“<a href="https://pan.quark.cn/s/cb6835dc7db1" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">前端免费学习笔记（深入）</a>”；</p> - 替代建议：想强化关键词权重，优先靠
<h2></h2>/<h3></h3>层级、段落位置（首段前两句）、以及<meta name="description">中的自然表述
<mark></mark> 标签在 SEO 中基本无作用，但别乱塞进标题或导航
<mark></mark> 是 HTML5 新增的语义标签，表示“页面中需要高亮的引用片段”，浏览器默认渲染为黄色背景。但它没有 SEO 权重信号，Google 官方文档明确说明不将其作为内容重要性依据。
容易踩的坑是把它当“加粗替代品”用在关键导航栏或 H1 标题里，比如：<h1>我们提供<mark>专业SEO服务</mark>
</h1>。这种用法既不符合语义（标题不是“引用片段”），又可能让爬虫对标题完整性产生歧义，尤其在移动端简略摘要生成时出错。
- 合理场景：文章正文中引用他人观点时，如
<p>正如《Web Content Accessibility Guidelines》所指出：<code><mark>语义化结构直接影响可访问性评分</mark> - 禁止场景：出现在
<title></title>、<h1></h1>、<nav></nav>、<footer></footer>等非正文上下文区域 - 兼容性提醒：
<mark></mark>在 IE9 及更早版本不支持，若需兼容旧环境，应配合 CSS 回退样式（如span.highlight）
真正影响爬虫抓取正文的三个隐蔽点
比起强调标签，以下三点更容易导致正文提取失败或内容错位：
-
display: none或visibility: hidden包裹了实际正文内容 —— 即使 DOM 存在，主流爬虫会直接跳过这类节点 - 正文被拆散在多个
<div> 中且缺乏语义容器（如没用 <code><article></article>或<main></main>包裹），尤其当这些<div> 同时带有广告 class 名（如 <code>ad-box、sidebar），爬虫可能误判为噪声 - JavaScript 动态注入正文（例如通过
fetch()拼接段落），而服务端未提供 SSR 或静态 fallback —— 百度仍有一定 JS 渲染能力，但 Google 更依赖首屏 HTML 完整性
验证方式：用 Google Search Console 的「URL 检查」工具查看「已渲染的 HTML」，对比原始 HTML，确认正文文本是否真实存在于初始响应体中。
SEO 抓取策略调整建议：聚焦结构而非强调
当前主流搜索引擎对 HTML5 语义标签的支持已非常成熟，但它们优先信任的是「整体结构可信度」，而不是单个标签的使用频率。一个 <article></article> 内含清晰 <header></header>、多个 <p></p>、合理 <figure></figure> 和结尾 <footer></footer>，比满篇 <strong></strong> 更利于正文识别。
最容易被忽略的是：部分 CMS 或前端框架会自动给所有段落加 <div class="paragraph"> 而非 <code><p></p>，这种看似无害的替换，会让爬虫失去对自然段落边界的判断依据 —— 尤其当 CSS 又把 div.paragraph 设为 display: block 时，视觉一致，但语义断裂。
