结论是有条件的:只有当重复说明在多页承担相同功能、且被提取后仍能由所在页面明确指向它时,提取到公共页面才可能保留上下文;如果这段说明依赖某页独有的条件、数据或前置解释,单独搬走会让读者失去判断依据。此时更稳妥的做法是保留原页摘要并链接到公共页,而不是整段删除。
把两段文字判为重复,通常依据的是文字相似,而不是功能相同。可核对的证据包括:这段说明是否出现在多个页面的同一决策位置,例如都在回答“是否适用”“如何计算”“哪些情况例外”;它是否引用了所在页面独有的参数、地区、版本或前置步骤;删掉后,读者还能否仅凭本页完成判断。
如果三页都写“提交后通常需要等待一段时间”,且没有别的差异,功能相同,适合提取。反过来,若A页写“本方案适用于旧版接口”,B页写“本方案适用于新版接口”,文字相似但条件相反,提取成公共页会制造错误上下文。这种情况下应保留各自条件,只把真正中性的定义放入公共页。
假设有三篇介绍不同配置方式的页面,都重复了一段“字段含义与取值范围”的说明。若直接删掉重复段,只在页尾放一个“详见字段说明”,读者在阅读中途遇到字段时会被打断,返回后也难以确认当前配置对应哪一项。
可执行的动作是:在原位置保留一句带条件的入口,例如“以下取值适用于本页的旧版配置,完整定义见公共字段说明”,并让链接文字包含读者当前所处的对象,而不是只有“点击这里”。这样做的直接结果是,公共页承接了稳定定义,原页仍保留“为什么这里要这样取值”的上下文。下一步应检查公共页是否写清了适用范围;如果公共页只列定义、不写适用条件,入口句就必须承担这部分信息,否则提取不成立。
提取完成后若观察到某些页面表现变化,不能直接归因于这次合并。可核对的替代解释至少有:该时间段搜索需求本身发生变化;抓取与收录数据存在采集延迟;原页被删掉的内容原本参与了页面主题表达;公共页尚未被稳定抓取,导致入口链接暂时没有传递关系。
区分方法不是看单一指标,而是比较同批未改动页面与改动页面的相对变化,并检查公共页是否可访问、是否返回正常状态、入口句是否出现在原位置。若只有改动页下降、同批对照页稳定,且公共页可正常访问,才更值得优先怀疑上下文丢失;若全站同类页面同步波动,需求变化或采集差异更值得先排查。请求量或抓取量归零也不能单独证明提取正确,它同样可能来自采集故障、屏蔽规则变化或统计口径调整。
反例是:重复说明中包含只有本页才成立的例外条款。例如公共页写“所有配置都支持批量提交”,而某页实际存在数量上限。此时即使文字高度重复,也不应把例外删掉后只留公共链接。更合适的处理是把公共页写成中性定义,把例外留在原页,并在原页说明“本页与公共说明的差异是什么”。
另一个需要放弃整段提取的情况,是公共页本身还没有稳定的访问入口,或它同时承担多个主题、读者无法从入口句判断自己该看哪一段。此时先拆分公共页结构,再考虑迁移,而不是先删原页内容。
比较前后差异时,应把季节、搜索需求波动和采集时间差一并纳入判断。一次改动前后的对比只能说明相关性,不能单独证明提取动作造成了结果;把同批未改动页面作为参照,才能让下一步决定更有依据。