AEO 知识库

P2-3-服务端渲染与可提取性

下载 MD

12分钟阅读

P2-3 · 服务端渲染与可提取性（SSR & Extractability）

目标：进得来之后，让爬虫读得到正文——别把核心内容藏在 JS / 登录 / 付费墙 / 交互后面。 一句话方法：正文进原始 HTML（SSR/预渲染），再用禁 JS + 查看源代码双重验证它确实在那。 机制 → 02-3-RAG与实时检索grounding·02-2-答案生成管线总览（②召回→④抽取）　诊断 → C3-渲染与内容可提取性　上游准入 → P2-1-AI爬虫准入排查　下游结构 → P1-1-answer-first写作与可抽取结构

🎯 TL;DR（30 秒速用）

动作一句话判定标准
① 关键内容 SSR正文服务端渲染/预渲染禁 JS 后正文仍在
② 去 JS 依赖核心信息不靠脚本才出现源码里搜得到正文文本
③ 解锁正文不锁在登录/付费墙/交互后未登录也能读到核心段
④ 干净 HTML语义标签、低噪 DOM正文不被脚本/弹窗淹没
⑤ 图配等价文字信息别只埋在图里关键数据有文字版

只记一条：你（浏览器）看得到 ≠ 爬虫读得到——多数 AI 爬虫不执行 JS，判定以禁 JS / 查看源代码后正文是否还在为准，不是肉眼看着有就行。

🧠 为什么有效（原理层）

机制详见 C3-渲染与内容可提取性·02-3-RAG与实时检索grounding，本页只取结论：

  • 多数爬虫不跑 JS：纯客户端渲染（CSR）的 SPA，原始 HTML 是空壳，正文靠浏览器执行 JS 才填进来——爬虫拿到的就是那个空壳，等于没正文。
  • 读得到才进得了 ④抽取的门：②召回阶段引擎抓的是原始响应；正文不在里面，后面 ④抽取再强的结构（P1-1-answer-first写作与可抽取结构）也无内容可截——读不到 = 抽取归零。
  • 实时检索类最敏感：03-3-Perplexity·03-2-Google-AIO与AI-Mode 这类边抓边答，当场抓不到正文就当场没有你；不像训练侧还有缓存余地。
  • 登录/付费墙/交互 = 三道隐形门：锁在它们后面的内容，对未持凭据的爬虫等同隐形——和 CSR 空壳是同一类”读不到”。

一句话原理：进得来只是第一关，读得到才算正文真正”上桌”；而”读得到”要靠正文进原始 HTML 来兑现，CSR 空壳 / 登录墙都会让它落空。

🛠️ 怎么做（五个核心动作）

  1. 关键内容上 SSR / 预渲染：核心正文用服务端渲染（SSR）或静态生成（SSG/预渲染）产出，确保它在首屏 HTML 响应里就存在，不依赖客户端 JS 注入。
  2. 砍掉 JS 依赖：核心信息不交互也能呈现；把”点击展开 / 无限滚动 / 标签页切换”才出现的关键内容，改为默认就在源码里。
  3. 解锁正文：核心结论别全锁在登录 / 付费墙 / 交互后；付费墙站点至少放前置摘要 / 关键段到墙外（取舍见 09-5-媒体与出版）。
  4. 清理 HTML：用语义化标签（<article>/<h1-3>/<p>/<ul>），降低弹窗、横幅、脚本噪音占比，让正文在 DOM 里干净可辨。
  5. 图配等价文字：图表/数据图里的关键信息，同步落一份文字版（正文或表格），别让事实只活在像素里（接 P1-3-原创研究与专有数据）。

📋 可复制模板（拿走即用）

模板 A · 渲染方式选型（按页型选，别一把梭）

方式正文在原始 HTML？适合页型对 AEO
CSR（纯客户端）❌ 空壳后台/高交互应用⚠️ 正文读不到，避免用于内容页
SSR（服务端渲染）✅ 在动态内容页推荐
SSG（静态生成）✅ 在文档/博客/落地页推荐（最稳）
ISR / 预渲染✅ 在量大且需较新推荐（兼顾新鲜度）

模板 B · 禁 JS 验证（看正文是不是真在原始 HTML）

# 方式一：浏览器关 JS 再访问
# DevTools → Cmd+Shift+P → 输入 "Disable JavaScript" → 刷新
# 正文还在 = SSR/预渲染生效；正文消失/转圈 = CSR 空壳

# 方式二：看原始响应（不经浏览器执行 JS）
curl -s https://你的域名/关键页 | grep -o "正文里的一句独有的话"
# 有输出 = 正文在原始 HTML；无输出 = 没进首屏 HTML，回查渲染方式

模板 C · 查看源代码反查（终判：源码可搜到正文）

# 浏览器：右键 → 查看网页源代码（View Page Source，看的是原始 HTML，不是 Elements 面板）
# Cmd+F 搜你正文里的关键句 →
#   搜得到 = 读得到；搜不到（只在 Elements 里有）= JS 注入的，爬虫读不到
# 注意：Elements 面板是"JS 跑完后的 DOM"，会骗你；View Source 才是爬虫看到的

模板 D · 付费墙/登录前置摘要（兼顾商业与可见性）

墙外（爬虫可读）：标题 + 2-3 句核心摘要 + 关键数据点（文字版）
墙内（登录/付费）：完整正文 / 深度分析 / 下载
→ 既保商业模式，又让引擎读到"足够被引用"的核心 — 取舍见 09-5

✅ 执行清单

  • 禁用 JS 后，关键页正文是否仍然可见？
  • “查看网页源代码”（非 Elements 面板）能否搜到正文文本？
  • 核心内容是否被登录 / 付费墙拦在外面？
  • 关键内容是否靠”点击展开 / 无限滚动 / 标签切换”才出现？
  • 重要数据是否只存在于图片里（无文字等价）？
  • 实时检索类（Perplexity/AIO）抓取你的关键页，能拿到正文吗？

⚙️ 平台适配

❌ 常见错误 & FAQ

错误

  • 纯 CSR 的 SPA 做内容站，原始 HTML 无正文 → 引擎召回阶段拿到空壳。
  • 拿 Elements 面板（JS 跑完的 DOM）当”源码”自检 → 看着有、爬虫读不到。
  • 关键结论锁登录/付费墙后 → 等同隐形。
  • 用”无限滚动 / 点击展开”承载核心内容 → 不交互不出现 = 读不到。

FAQ

  • ❓Google 不是能渲染 JS 吗？ Google 传统索引有渲染能力，但实时检索类与多数 AI 爬虫不保证执行 JS；且渲染有预算/时延——正文进原始 HTML 最稳，别赌引擎帮你跑 JS。
  • ❓已经 SSR 了还是没被读到？ 先回查 P2-1-AI爬虫准入排查（是不是卡在准入/CDN），再确认 View Source 真能搜到正文。
  • ❓全站都要 SSR 吗？ 不必。内容页/关键页优先；纯后台/高交互应用按模板 A 选型即可。
  • ❓付费墙必须拆吗？ 不必拆，但核心摘要要放墙外，否则对引擎等同隐形 → 09-5-媒体与出版。

🧩 与相邻打法的边界

📌 关于本页（“成熟”级 · 复用 P1-1-answer-first写作与可抽取结构 打法页范式）：本页是 P2 技术支柱的第二篇打法，对应 C 簇一票否决的 C3——机器读取生命周期的第二关（读得到）：进得来（P2-1-AI爬虫准入排查）→ 读得到正文（本页） → 解析得了（P2-2-Schema部署与校验）。它和 P2-1 一样是 P0 准入硬约束，团队拿它当上线前的”正文真在原始 HTML 吗”体检表。

相关

关系图谱

反向链接