核心判断只有一句:公共页面承接的是可复用的“定义与边界”,原页面必须保留“为什么这里适用、例外是什么、下一步做什么”。如果只把重复段落整段搬走,留下一个链接,读者和搜索引擎看到的都会是一段失去前提的结论,页面价值反而下降。缺少完整数据或权限时,最小动作是先做一张“抽取清单”,标注每段重复说明的适用条件、例外和指向对象,再决定保留、改写还是退出。
不是所有重复段落都适合提取。定义重复指同一术语在多页被反复解释,例如“什么是索引覆盖”;条件重复指同一判断在不同前提下的适用范围,例如“库存为零时该状态才成立”;结论重复指由前面条件推导出的建议,例如“因此应优先处理这一类页面”。
只有定义重复适合完整搬到公共页面。条件重复应当压缩成一句前提加一个链接,结论重复最好留在原页,因为它依赖本页的数据、对象和上下文。把结论也搬走,原页就只剩一个空壳标题。
可执行的最小动作:打开待处理页面,把每段重复文字标上 D(定义)、C(条件)、R(结论)。如果一段里三种成分混在一起,先拆句再标注,不要整段搬运。
公共页面容易写成百科式的中性说明,而原页面需要的是“在什么情况下这句话成立”。抽取时至少保留三类信息:适用对象、成立条件、失效或例外情形。
假设一个场景:某产品页反复解释“该参数在低温环境下会下降”,而公共页面只写“该参数受温度影响”。这时原页面应改写为“本型号在低于某温度区间时该参数下降,具体范围见公共说明”,而不是只留一句“详见公共页面”。
动作与结果:在公共页面为每个定义加一行“适用条件”和一行“不适用情形”。原页面据此删掉重复解释,只保留本页特有的条件与例外。这样做的直接结果是原页面字数下降但信息密度上升,后续判断某页是否该合并时,也有了可核对的依据。
选择改写并保留摘要成立的条件是:该说明在原页面承担了承接上下文的角色,删掉后读者需要跳转才能理解本页结论。此时应保留一到两句摘要,加一个指向公共页面的链接,摘要里必须包含本页特有的限定词。
选择退出并只留链接成立的条件是:该说明在原页面只是背景知识,删掉不影响本页任何判断,且公共页面已覆盖同一术语。此时可以整段移除,但要检查移除后本页是否出现指代不明的“该参数”“上述条件”。
两种选择不冲突,同一页面可以混用:定义类段落退出,条件类段落改写保留。不要为了统一风格把所有段落都改成同一种处理方式。
没有全站抓取权限、没有日志、看不到完整索引状态时,仍然可以做三件事:
这些动作能说明的是:页面之间的重复关系是否被人为理清。不能推出的是:重复说明减少后排名或抓取一定改善。抓取量或某个查询请求量下降,也可能是季节需求变化、采集口径调整或页面本身被替换所致,不能单独作为处理正确的证据。
如果要做改动前后比较,至少把同一时间窗内的搜索需求变化、采集差异和页面其他改动一起列出,否则差异无法归因到这次抽取。
公共页面建好后,回到原页面读一遍:把公共页面遮住,本页结论是否仍然能被理解?如果读不通,说明抽走的不只是重复,还有必要前提。
具体动作:随机挑三段已抽取的原文,请不熟悉该页的人只读原页面剩余内容,复述本页结论。复述失败的位置,就是把条件也搬走的位置,应把条件句改回原页或补进摘要。
这一步的结果会直接决定下一步:如果复述普遍失败,说明抽取粒度太粗,应改为按句抽取;如果复述顺利但公共页面内容过散,说明公共页面需要按适用对象重新分组,而不是继续堆定义。到此为止,处理是否值得继续,取决于原页面是否仍能独立成立,而不取决于重复段落减少了多少。