直接答案:10 个站点、36 个文章页共 94 个标题(h1–h6):H1 出现在 28 页、H2 只有 14 页、H3 6 页;22 页没有 H2、30 页没有 H3。28 个有 H1 的页面里,16 页没有任何 H2。另有 4 页完全没有标题、9 页出现层级跳跃,有标题的页面中 11 页从 H2 或更低开始(其中 5 页第一个标题是 H6)。
每页标题数中位数只有 1 个:多数文章只有主标题,没有小节层级。
方法:按 DOM 顺序读取 h1–h6
复用第 45 期 2026-11-03 08:40–08:41 抓取的 36 个文章页 HTML(10 站;5 个 JS 外壳页排除),零网络请求。按出现顺序记录 h1–h6 的级别与文字,统计每级页面数、跳级、首标题级别与重复文字。
| 项 | 判定 | 边界 |
|---|---|---|
| 层级跳跃 | 相邻标题级别增加 >1(如 H1→H3) | 同级重复不算跳跃 |
| 首标题低于 H1 | 第一个标题不是 H1 | 不含完全没有标题的页面 |
| 重复文字 | 同一页标题文字出现多次 | 只按文字比较,忽略位置 |
| 页面级统计 | 包含导航、页脚中的标题 | 不区分正文与模板 |
结果:H1 尚可,H2 缺失明显
| 级别 | 出现该级的页面 | 该级标题总数 |
|---|---|---|
| H1 | 28 | 38 |
| H2 | 14 | 20 |
| H3 | 6 | 25 |
| H4 | 6 | 6 |
| H5 | 0 | 0 |
| H6 | 5 | 5 |
| 结构问题 | 页面数 | 说明 |
|---|---|---|
| 没有 H1 | 8 | 与第 47 期一致 |
| 没有 H2 | 22 | 其中 16 页有 H1 |
| 没有 H3 | 30 | — |
| 完全没有标题 | 4 | E16 三页、E22 一页 |
| 有 H1 但无 H2 | 16 | 文章只有主标题 |
| 层级跳跃 | 9 | E03 四页、E09 五页 |
| 首个标题低于 H1 | 11 | 不含 4 个无标题页;5 页首个为 H6 |
| 标题文字重复 | 5 | 均在 E03 |
H2 数量:22 页为 0
| 每页 H2 数 | 页面数 | 说明 |
|---|---|---|
| 0 | 22 | 没有小节 |
| 1 | 12 | 仅一个二级标题 |
| 4 | 2 | 同一站点 |
典型模式:E03 的 4 个页面从 H1 直接跳到 H3;E09 的 5 个页面以 H6 开头,随后是 H2、H4、H1;E14 的 5 个页面第一个标题是 H2;E16 的 3 个页面完全没有标题。它们都来自模板,而不是单篇文章的编辑差异。
对验收的启示
- 把 H2 当作文章结构的一部分。 22/36 没有 H2,长文无法形成小节,读者与 AI 提取都缺少结构。
- 先补齐 H1,再补 H2。 8 页没有 H1、16 页有 H1 但无 H2。
- 不要从 H2 或 H6 开始。 11 页首个标题低于 H1,其中 5 页以 H6 开头。
- 避免跳级。 9 页出现 H1→H3 或 H6→H2→H4→H1 这类顺序。
- 标题文字要去重。 5 页存在重复标题,虽集中在同一站点,仍应在模板层检查。
局限
- 页面级统计:导航、页脚与侧栏中的标题也计入,未区分正文区域。
- 只看标签:用 CSS 伪装成标题的 div 不计入,视觉大小与位置也不判断。
- 零请求复用:HTML 抓取于 2026-11-03 08:40–08:41,之后改动未反映。
- 不判断内容质量:标题文字是否准确、是否堆关键词,本期未评价。
- 10 站 36 页 pilot:不外推行业。
数据与复算
匿名数据:equipment-heading-outline-2026.csv(36 行 × 14 列:H1–H6 数量、总数、首标题级别、跳级、唯一/重复文字)。仓库内为 docs/research/2026-11-heading-outline.csv。
解析:scripts/heading_outline_probe.py;单元测试 scripts/test_heading_outline_probe.py(8 项,无网络)。运行:
python -m unittest scripts.test_heading_outline_probe
配套:文章页 Head 元数据 pilot、社交分享卡片 pilot、文章页链接结构 pilot。
数据来源与口径
- 文章页缓存:第 45 期 10 站 36 页(2026-11-03 08:40–08:41),5 个 JS 外壳页排除。
- 标题:按 DOM 顺序正则读取 h1–h6,去标签后压缩空白。
- 跳级:相邻标题级别增加 >1;首个标题低于 H1 单独统计。
- 扫描时间:2026-11-03,零网络请求。