关键词位置查询：怎样准备正确的查询对象？先确定页面、词表和范围
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /62982e436223.html
📄
关键词位置查询：怎样准备正确的查询对象？先确定页面、词表和范围
准备正确的查询对象，核心是把“我想知道某个词在页面里的位置”翻译成可执行的输入：一个明确的可访问页面、一份去重后的关键词清单，以及一个约定的查询范围。缺少任何一项，查询结果都会失去可比性。已有页面或项目要做改进时，更应先固定这三项，再开始查询。
从交付结果倒推：你要的到底是什么
“关键词位置查询”的交付结果通常不是一句“有或没有”，而是每个词出现在页面的哪个位置、出现几次、是否出现在标题或正文首段。倒推回来，查询对象必须满足三点：页面能被稳定读取，词表边界清晰，位置口径提前定义。位置口径可以按字符序号、段落序号或区域名称记录，但同一批查询必须统一。
页面对象：一个URL对应一个快照
页面是查询对象的主体。准备时先确认它当前可访问，然后记录查询时的状态，避免后续页面改动导致结果无法复现。建议为每个页面建立一条记录：
- 页面地址与页面标题
- 查询时间
- 页面语言与编码
- 是否包含动态加载内容
- 正文范围的起止标记
如果页面内容由脚本渲染，直接抓取源码可能查不到正文词。此时要明确查询的是源码还是渲染后的文本，两者结果不同，不能混用。已有项目改进时，优先查询线上实际返回的版本，而不是本地草稿。
词表对象：去重、分词、大小写先定规则
词表决定查询的覆盖面。把待查词整理成一列，每行一个，去掉完全重复项。中文需要决定是否分词：查“关键词位置”和查“关键词”“位置”是不同任务。英文需要决定是否忽略大小写。规则一旦确定，整批查询都按同一规则执行。
可以用一个短例子说明。假设要查三个词：关键词位置查询、位置查询、查询。如果按整串匹配，只有第一个词能命中完整短语；如果按子串匹配，三个词都可能命中同一段文字。两种口径没有对错，但必须提前写明，否则结果无法比较。
范围与责任：谁查、查哪部分、怎么验收
范围指查询覆盖页面的哪些区域。常见划分包括标题、描述、正文、图片替代文本、链接文字。改进项目通常先查正文和标题，再按需扩展。责任分配要落到具体动作：谁提供页面清单，谁确认词表，谁执行查询，谁复核异常结果。
验收标准可以写成检查项：
- 页面清单中的每个地址都能打开，且记录查询时间。
- 词表无重复，分词与大小写规则已写明。
- 每个词的位置按统一口径记录，例如段落序号或字符区间。
- 抽查至少两个词，人工在页面中确认位置一致。
- 对未命中的词标注原因，例如页面未包含、范围未覆盖或匹配规则不同。
如果查询结果要用于改进页面，还应保留查询前后的对照记录。没有对照，就无法判断改动是否让目标词进入了更合适的位置。
常见准备错误与判断方法
一类错误是页面对象不固定：同一批查询里混用了本地文件和线上页面，结果自然对不上。判断方法是检查每条记录是否都有查询时间和页面状态。另一类错误是词表口径漂移：前半批按整串匹配，后半批按分词匹配。判断方法是随机抽两个词，用两种口径各查一次，看结果差异是否被记录。
还有一类是范围不清：只写“查了正文”，但正文是否包含导航、页脚、评论没有说明。改进项目里，导航和页脚往往重复出现目标词，若计入正文会虚增位置数量。准备阶段就应把正文边界写成可核对的标记，例如从某个标题开始到某个标题结束。
完成上述准备后，下一步是拿一个真实页面和一份不超过二十个词的清单做试查，核对位置记录是否可复现，再决定是否扩大查询范围。
