信息图:从搜索词到关闭页面的五个判断节点,标出可以停下来的位置
只看三处,不必看懂代码

本文只讲公开可见的页面结构,不涉及任何绕过限制的方法,也不评价任何具体站点。下面用“海角社区、服务”相关页面常见的结构举例,只讲怎么读。

源代码是什么

它是浏览器实际收到的那份文本,包含页面结构、文字、样式引用与脚本。你在屏幕上看到的,是浏览器把这些代码渲染之后的结果,两者并不完全一致:图片、广告、推荐位常常由脚本在打开后再填进去。因此源码里没有某段文字,不代表屏幕上没有;反过来,源码里有,屏幕上也可能被隐藏。源码里还有一类信息常被忽略:注释与结构化数据。注释是写给维护者看的,有时会留下模板名或栏目编号;结构化数据则声明这页是什么类型、作者是谁、更新时间是哪天。两者都不显示在屏幕上,却是判断页面性质最省力的入口。

第一处:标题与描述

看最上面的标题标签与描述标签。标题决定搜索结果里那行粗体字,描述决定下面那两行摘要。如果标题写的是甲,正文讲的是乙,说明这页在借用别的词吸引点击。这是最容易看、也最容易判断的一处,不需要任何技术背景。如果描述里塞满关键词、与正文毫无关系,基本可以判断这页是为搜索而写,不是为读者而写。这类页面往往正文很短,却有很长的描述。

第二处:外链与脚本

搜索引用的外部域名与脚本地址,看它们指向哪里。同一页引用了十几个不同域名的脚本,通常意味着广告与统计较多;引用的是常见的公共库,则属于正常做法。这一步只需要数一数域名数量,不必读内容——数量本身就是信息。

第三处:正文是否在源码里

在源码里搜正文的第一句话。搜得到,说明内容是随页面一起发下来的,可以被检索、被翻译;搜不到,说明正文由脚本后加载,或者干脆是一张图片。这一处直接决定了这页能不能被搜索到,也解释了为什么有些页面在结果里只剩标题。还要注意一种情况:正文在源码里,但被放在脚本模板中,搜索时能搜到片段,实际显示却要等脚本运行。这种页面可以被索引,却常常抓取不全,于是结果摘要只剩开头一句。

四步查看顺序

  1. 01先看标题与描述是否与正文对得上。
  2. 02再数一数引用了几个外部域名。
  3. 03然后搜正文首句,确认内容是否在源码中。
  4. 04最后看页脚,找主体说明与更新时间。

四种看源码时的错误期待

  • 以为源码能证明页面属于谁:它能显示声明,不能验证声明。
  • 以为源码里没有就等于不存在:脚本可能后加载。
  • 以为代码整齐就代表可靠:排版与内容质量无关。
  • 以为能看到隐藏内容:隐藏不等于可获取。

常见问题

看不懂代码怎么办

只需要认三类东西:尖括号里的标签名、引号里的地址、以及成段的文字。其余部分可以跳过。把源码当成一份带标记的文稿,而不是程序,你会发现能读的部分比想象的多。

手机上没有这个菜单怎么办

多数手机浏览器不提供源码入口,需要在地址前加特定前缀,或改用桌面模式。更省事的办法是换到电脑上打开同一页——这一步只为看清结构,不改变页面本身。

源码是一份说明书

它不告诉你内容好不好,只告诉你这页由什么组成、想让你做什么。掌握这三处,你就能在几秒内判断一页是正文型、导航型还是引导型,而不必靠感觉。