网站词数分析：页面词数突然回落，先判断回归常态还是内容被截断
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /3420afcc2d04.html
📄
网站词数分析：页面词数突然回落，先判断回归常态还是内容被截断
有可能，但不能只凭一次回落就下结论。网站词数分析里，页面词数从高位掉回一个更稳定的区间，既可能是抓取端回归常态，也可能是模板、分页或正文容器出了变化。要区分这两类，关键不是看跌了多少，而是看回落是否伴随正文结构变化，以及同一模板下其他页面是否同步变化。
先判断回落是全局同步还是局部异常
把出现回落的页面按模板分组，例如文章页、产品页、列表页，分别看它们的词数变化方向。如果同一模板下大多数页面在同一时间段一起回到相近区间，更接近抓取或渲染口径回归常态；如果只有少数页面骤降，而它们共用某个正文容器或分页组件，更可能是内容被截断或组件失效。
这里要区分三种口径：搜索引擎报告里的抓取文本、第三方估算的可见正文、站内统计的字符数。三者统计范围不同，不能互相替代。一次第三方估算回落，可能只是它调整了正文提取规则，并不代表页面真实内容减少。
条件一：回落同步且结构未变，按常态处理
如果满足以下证据，倾向判断为回归常态：
- 同一模板下多数页面的词数在同一时间窗口内一起下降；
- 页面标题、正文首段、正文末尾的结束标记仍然完整；
- 站内统计的字符数与回落前接近，差异主要来自提取范围；
- 回落后的词数在随后几次抓取中保持稳定，没有继续阶梯式下降。
此时应做的动作是：把回落后的区间记录为新的基线，而不是继续拿旧峰值做对比。基线更新后，后续告警阈值也要跟着调整，否则会持续产生误报。这个动作的结果是，监控从追旧峰值转为看新常态下的波动，下一步才能判断是否真的存在内容缺失。
条件二：回落局部且结构变化，按截断排查
如果出现以下任一情况，应按内容截断处理：
- 只有部分页面下降，且这些页面共用同一个正文容器或加载组件；
- 正文在某个固定位置提前结束，例如固定在某个小标题或某段代码之后；
- 页面源码里正文仍在，但提取结果只到前半部分；
- 回落呈阶梯式，每隔一段时间再降一截。
排查动作可以按这个顺序：先取一个受影响页面的源码，确认正文是否完整；再检查正文容器的闭合标签是否被截断；然后对比同模板正常页面的结构差异。假设某个文章页模板在改版后把正文放进了需要脚本渲染的容器，而抓取端不执行脚本，那么词数回落就来自渲染差异，不是内容被删。这个假设需要用源码和渲染后文本两份证据对照，不能只凭词数判断。
例外：改版、分页与合并都会造成类似回落
有几种情况会让词数下降但既不是回归常态，也不是故障。例如把长文拆成分页、把多篇短内容合并成一篇、把正文迁移到独立页面，都会让单个页面的词数减少。这时要看的不是单页词数，而是同一主题下相关页面的词数总和是否稳定。
另外，如果回落只出现在第三方估算里，而站内统计和抓取文本都没变，优先怀疑估算口径调整。请求量或抓取量归零也不能单独证明处理正确，它还可能来自抓取预算变化、robots 设置调整或站点暂时不可达，需要结合服务器日志和抓取报告一起看。
把判断落到一个可复用的检查动作
每次遇到异常回落，先做一件事：固定一个受影响页面和一个同模板正常页面，分别记录源码正文长度、渲染后文本长度、站内统计字符数三项。三项中只有一项下降，按口径差异处理；两项以上同步下降且结构有变，按截断排查；三项都稳定而只有估算值下降，按估算调整处理。这个动作的结果决定了下一步是更新基线、修复模板，还是更换对比口径，而不是在三种可能之间反复猜测。
