百度SEO方法：把人工经验写成脚本需求时怎样描述例外情况
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /bed43ac31091.html
📄
百度SEO方法：把人工经验写成脚本需求时怎样描述例外情况
关键是把例外写成“条件—判定—动作—回退”四段式，而不是只写正常流程。你手上那页关于百度SEO方法的操作记录，如果只写“标题过长就截断”，脚本执行时遇到标题里带分隔符、空格或全角符号，就会给出和人工判断不同的结果。先做一件事：从记录里挑出一条你反复手动处理的规则，把它拆成可判定的条件，再补上例外分支。
先确定例外来自哪里，而不是先写脚本
人工经验里被省略的部分，通常集中在三类来源。第一类是数据本身不规整，例如同一页在两次抓取里标题不一致，或字段里混入换行。第二类是页面状态不确定，例如页面返回正常但正文区域是空的。第三类是判断依赖上下文，例如某条描述在栏目页合适、在详情页却重复。
你可以拿一个具体页面做对象：打开你保存的抓取结果，逐列检查哪些行是你手动改过的。手动改过的行就是例外候选。把每处改动记成一句话，例如“标题字段为空时，改用正文首段”。这句话已经包含条件和动作，可以直接进入下一步拆解。
动作与结果：如果你跳过这一步直接写脚本，脚本会按正常样本运行，异常样本被静默跳过；你下一步看到的统计就会偏乐观，误以为规则已经覆盖全部页面。
把每条经验写成四段式，例外单独成行
四段式的写法如下，用你自己的字段名替换：
- 条件：什么情况下触发，例如
title为空，或title长度超过你设定的上限。 - 判定：用什么依据确认，例如取同一页两次抓取结果比对，或检查正文节点是否存在。
- 动作：脚本执行什么，例如跳过该条、标记待人工复核、改用备用字段。
- 回退：动作无法完成时怎么办，例如保留原值并写入日志，而不是直接删除。
例外要单独成行，不要塞进正常分支的注释里。注释不会被执行，也不会出现在日志中。假设你有一条规则是“标题超过30个字符就截断到第一个分隔符”，例外可能是“标题中没有分隔符”。这条例外应该写成独立条件，动作是“不截断，标记为待复核”。
这里要提醒一点：截断长度、分隔符集合这类阈值是你自己定的，不是百度公布的规则。写脚本时把它们放在配置区，方便后续调整，而不是散落在代码各处。
用一组可区分的原因验证例外是否写全
例外写没写全，不能只看脚本跑通。你可以构造一小批对照样本，让不同原因各自可区分：
- 标题正常且两次抓取一致，用于确认正常分支。
- 标题为空，用于确认空值分支。
- 标题存在但两次抓取不同，用于确认不一致分支。
- 正文节点缺失，用于确认页面状态分支。
跑完后检查日志，看每类样本是否落到预期分支。如果异常样本和正常样本落在同一分支，说明判定条件写得太宽。如果某类样本没有出现在日志里，说明它被前面的条件提前拦截了。
动作与结果：根据日志调整条件顺序，把更具体的例外放在前面。调整后重新跑同一批样本，观察分支归属是否变化；这一步决定你能否信任后续的全量处理结果。
改动前后比较时，把非脚本因素排开
你调整例外分支后，页面表现可能变化，也可能不变。比较时不要只看一次改动的前后差异。搜索需求本身会随时间和季节波动，抓取时间不同也会带来数据采集差异，这些都可能让同一份页面呈现不同结果。合理的做法是保留改动前的抓取快照和改动后的快照，在同一批页面上比较，并记录两次抓取的时间间隔。
如果改动后某些页面仍未被处理，先确认它们是否命中了某个例外分支，而不是直接归因于脚本无效。一次改动前后比较只能说明这一批样本的差异，不能单独证明处理方式正确。
把例外清单变成可维护的输入
最后一步是把四段式清单存成独立文件，和脚本代码分开。每次人工发现新的例外，先更新清单，再改脚本。这样你下次面对另一批页面时，可以直接复用清单，而不是重新回忆当时的判断。
假设你只有一页经验，也可以先按这个方法写成三到五条例外，跑一遍小样本，再决定是否扩展到其他页面。扩展前先确认这些例外在新页面上是否成立，条件不同就不要直接套用。
