结论先说:如果这段重复说明在每个页面上承担的意图相同,可以提取到公共页面,但必须在原位置留下可被用户和抓取程序识别的上下文入口;如果它承担的是页面独有意图,提取后应把说明改写成一句带具体条件的摘要,而不是只放一个通用链接。判断依据不是重复次数,而是去掉这段文字后,原页面还能不能独立回答它自己的主题。
同义重复指多个页面用几乎相同的措辞解释同一件事,例如多个产品页都解释保修范围。这类内容适合集中到一个公共页面,原页面保留一句带条件的摘要和链接。
同形异义指文字看起来相似,但服务对象不同。例如两个页面都写“提交后三个工作日内处理”,一个指退款,一个指发票。这类内容不适合合并,合并会丢掉页面各自的适用条件。
区分方法很直接:把这段文字单独拿出来,问它是否依赖页面标题、产品名、地区或流程阶段才能成立。依赖越强,越不该整体搬走。
当重复说明的适用前提在所有页面上一致,提取是更清晰的做法。实施动作分三步。
这样做的结果是:原页面变短,但用户仍能判断这条说明是否适用于自己;抓取程序沿链接进入公共页面,看到的是完整版本。下一步应检查原页面摘要是否与公共页面表述一致,不一致时以公共页面为准并回改摘要。
假设一个站点的十个产品页都重复同一段退换货说明。提取后,每个产品页保留“本产品适用通用退换货规则,配件类除外”这类带条件的摘要。若某个产品实际不适用该规则,就不应链接到同一公共页面,而应单独说明。
如果重复说明在不同页面上有实质差异,整体提取会制造错误。此时有两种成立的选择。
选择依据是差异是否稳定。差异会随政策调整频繁变化时,拆分公共页面便于统一修改;差异长期固定时,就地保留反而减少跳转损耗。
代价也要看清:拆得越细,公共页面越多,后续维护和内部链接管理成本越高;保留原文越多,同一处修改需要改动的页面越多。没有一种选择同时省掉两边成本。
提取动作本身不会自动保留上下文,需要主动补三类信息。
原页面摘要中写明这条说明针对什么对象。只写“详见规则”等于丢失对象上下文。
说明原来出现在页面哪个决策位置,摘要就放在相近位置。原来在购买按钮附近,就不要移到页脚。
写明适用和不适用条件。公共页面负责完整列举,原页面摘要负责点出与当前页面相关的条件。
一个可操作的检查方法:把原页面摘要单独读一遍,如果读者无法判断自己是否适用,就说明条件上下文不足,需要补充后再发布。
提取前后做比较,不能只看某个页面的抓取量或请求量变化。季节波动、搜索需求变化、数据采集口径差异都会影响结果。请求量下降也可能来自抓取预算重新分配,而不是内容处理错误。
更稳妥的做法是固定一组未改动的对照页面,比较同一时间段内改动组与对照组的趋势差异。若两组走势接近,就不能把变化单独归因于提取动作。发现异常时,先回查公共页面是否可访问、摘要链接是否指向正确目标,再决定是否回滚。
例外情况始终存在:法律、合规或平台规则要求原文必须出现在每个页面时,不应为了简洁而提取。此时可以保留原文,只在公共页面维护一份供内部核对的版本。