本文讲搜索结果的摘要如何生成,不涉及具体引擎的算法细节,也不提供任何站点地址。不同引擎的抓取与摘要策略不同,但生成逻辑大体相通:从页面里取一段最能代表它的文字。
一、摘要的四个常见来源
第一是页面自己写的描述标签,也就是站点在头部填的那一句;第二是正文开头的一段,引擎在找不到描述标签时自动截取;第三是页面里与查询词最匹配的句子,引擎会根据你搜的词动态挑一段;第四是外部链接的锚文本与目录描述,尤其在页面内容很少时会被借用。四者可以同时存在,所以你搜不同的词,看到的摘要可能完全不同。
二、对不上的三种原因
第一种是改版未同步:页面早已换内容,索引里还是旧摘要,等到下次抓取才更新。第二种是关键词堆砌:页面为了被搜到,把不相关的词塞进标题与描述,摘要读起来像那么回事,正文里却没有对应内容。第三种是动态摘要:引擎按你的查询词临时截取句子,断章取义几乎不可避免——它挑的是「最匹配的一句」,不是「最能代表全文的一句」。
三、摘要能证明什么、不能证明什么
摘要能证明的只有一件事:某个时间点,某个引擎认为这个页面与这些词相关。它不能证明页面现在还有那些内容,也不能证明页面属于谁。很多人把摘要当成页面的「官方简介」来引用,这是把索引信息当成了内容信息。要判断一个页面讲什么,只能打开它,看标题、署名、正文与页脚,而不是看搜索页上那两行字。
可执行检查单
- 01把摘要当线索,不当结论:它指向一个页面,不描述这个页面。
- 02摘要与正文不符时,先看页面有没有改版,再看描述标签是否被堆砌。
- 03需要引用内容时,复制正文原句并记下抓取日期,不引用摘要文字。
一个常见问题
为什么同一篇内容在不同搜索引擎上的摘要完全不一样?
因为各家挑句子的规则不同:有的优先取描述标签,有的偏向正文首段,有的按查询词匹配度动态生成,还有的会做改写压缩。抓取频率也不同,一个已更新、一个还停在旧版,摘要自然不一样。这不是谁对谁错,而是索引层与内容层本来就存在时间差。判断内容,回到页面本身。
四、看到摘要与正文不符时怎么做
分三步:先确认是不是同一个页面——有时摘要指向的是另一个地址;再看页面是否刚改过,标题与正文是否属于同一主题;最后判断这是索引滞后还是刻意堆砌。前者等一段时间会自行修正,后者则会持续存在,并且往往伴随标题与内容不符、正文极短、大量重复关键词等特征。对读者来说,这一步的意义是避免被一句摘要带着走。