网站页脚署的公司名，116个站里只有11个能查到编号
116个海外品牌站的首页页脚版权行逐行读取，切出署名后与域名主体做归一化比对，识别法律实体后缀与注册号写法；自动切分结果逐站人工核对，修正9处切分与归一化误差，署名与品牌不符的样本另做整页出现次数抽查。
保哥笔记 — 文章列表 第 2 页
-
-
结构化数据里价格64个站全写了，规格只有7个
做法是用真实浏览器打开131个英文电商品牌站，从首页两跳之内进到产品页，取渲染之后的document.body.innerText当作机器实际拿到的那条文本流，用一份六十多个词的英文规格字段词表定位字段名所在的行，再逐条看它下一行是什么；同时在DOM那一侧记录字段名用的标签、有没有落在table与dl里、JSON-LD有没有写offers和additionalProperty。关键的一步是尺子自检：脚本自动判据给出的93.6%被187条…
-
隐藏内容机器算不算？16种藏法的实测裁决表
在浏览器里同时取文档树文字与渲染树文字两个数，量出118个海外独立站首页的可见率分布，再把所有隐藏容器按用途归类，看清那些看不见的字到底是菜单、弹层还是同意条款。另在本机搭台造出16种藏法各一个页面，让8个读取器逐一去读，得到一张谁读得到谁读不到的裁决表，并记下无障碍量法自己打架的两处。
-
把系统时间调到2031年，19%的网站页脚版权年份跟着变
116个海外品牌站的首页页脚逐个抓取，识别版权声明与年份写法；每站访问两遍，第二遍在页面加载前把浏览器全局Date固定为2031年，比对同一段版权文本的年份是否变化，两遍抹去数字后相似度不足的样本剔除。
-
staging子域名：131个站查出22个没设noindex
给131个英文大站各试同一批30个常见子域前缀，先用随机子域探泛解析再剔除兜底回声，对活着的子域追CNAME判托管方，并逐个记录HTTP状态码、页面标题、noindex与robots.txt封禁情况。
-
H1标签排第几？43%的电商首页里它不是最大那行
做法是用真实浏览器在1440宽视口打开112个电商独立站首页，遍历主内容区每个元素、只取它自己直接持有的那段文字，记下渲染后的实际字号、字重、标签名与位置，再按字号排序看排在最前的几段挂的是什么标签；同时把全部h1到h6单独取出比对字号、可见性与是否为空，并把被同意层整个盖住的13个站单独剔出。
-
JS渲染实测131个站：担心的三件事，两件没发生
用同一个浏览器对171个海外独立站首页各跑两轮，唯一变量是脚本开关，两轮都拿到200的有131个。三个文本口径在同一次访问里取，配47个两轮几乎不变的站作对照，再用1秒、3.5秒、10秒三档等待时间做敏感性检验，逐层拆开正文、链接、结构化数据、主标题、商品入口五类结构件的丢失情况，并把测量过程中翻车的两次尺子问题一并记下来。
-
设计师填进图片的版权信息，走完交付链一个字都没剩
从131个海外电商站的首页取浏览器真实加载的图片，按Range只下文件头部，逐段解析JPEG的APP标记、PNG文本块与WebP的RIFF块；再把同一张图去掉CDN处理参数取一份裸地址，用177组对照区分元数据究竟是入库时清的还是交付时剥的。判据前后改了14处，方向与影响全部列出。
-
域名验证记录只能加不能删，130个站平均挂着14条
131个英文大站的域名根逐个做DNS查询，取根域与_dmarc的TXT记录，按写法把每条判成第三方验证记录、认不出主人的裸串、邮件配置或内部随手记，再按厂商归并统计重复与年龄。判据经六处人工核对修正。
-
图片SEO别只盯alt：大图上62%的字页面里找不到
做法是把127个电商独立站首页用真实浏览器打开、滚三屏逼出懒加载，再按原始地址下载渲染面积最大的8张图（不截屏，避免把叠在上面的HTML文字拍进去），用RapidOCR逐行读出文字，最后拿回由正文、DOM全部文字、alt与aria属性、meta和JSON-LD拼成的文本池里逐行比对；OCR这把尺子先用12张已知文案的合成图和24张人工标注的真图考过两轮，并做了置信度敏感性检查。
-
robots.txt那87行，33个站一个字都没改过
先按RFC 9309自己实现一遍规则匹配，用规范里的18道经典用例把匹配器验过，再拿它逐条判定450个页面能不能被抓；然后读每个页面HTML里的meta robots与响应头里的X-Robots-Tag，把两份声明落进四个格子。全程按页面最终落地的主机去找对应的robots.txt，跨域跳到平台认证域的单独归类。
-
域名年龄别只看注册日期，26个站的存档比它更早
两把独立的尺子量同一批131个域名：一把从各注册局的RDAP记录里取注册日期，一把从互联网档案馆的抓取索引里取最早那份能打开的快照，再把最早那一版原样调回来看当年是谁在用。文末给了三条可以直接跑的命令。
-
Cookie有效期谁说了算？569条到期日实测
做法是把响应头里所有指向未来的字段拆开逐条换算：Set-Cookie的两个到期字段、Expires响应头，以及.well-known下那份规范要求必须写到期日的文本。换算的零点得取每次响应自己的Date头，第一版拿了个固定时刻，凭空多出十天，55条被误判成自相矛盾。
-
静态资源带上哈希之后，一年后一半地址都404了
做法是从存档站取回2025年8月那份未经改写的原始HTML，把上面的资源地址按归属分好逐条拿到今天请求，同一套代码同时跑一遍今天的首页当零点。尺子坏过一次：存档站在目标日期没有快照时会跳到最近的任意一份，两个站落到了2017年，必须挑出来剔掉。
-
隐私政策的最后更新日期，347个页面里三分之二没写
取样先顺页脚锚文本找五类政策页，找不到再按常见路径逐个试，取回正文后剔掉JS空壳与被限流挡回的页面，剩下100个站、347页。识别器前后修了六次：漏掉Last Reviewed与EFFECTIVE两种写法，把促销条款与FAQ当成了服务条款，还差点被平台限流骗成没有数据。
-
运费写着发到加拿大，退货政策上只有美国这一个国家
做法是从每个站的robots.txt找到sitemap入口，挑出商品那一份取一条网址抓回来，把结构化数据整段拍平后逐字段核地域信息，再拿hreflang里的多条地区网址交叉验证。尺子在这里坏过一次：第一版把欧元区多国共用一种货币的样本判成了地址不生效，9个站的结论修完只剩3个，而错的那一版恰好指向更有故事的那一边。
-
首页的title、og:title和H1，说的常常不是同一件事
把171个海外品牌站的首页抽出六个自我介绍字段——标题标签、社交分享标题、推特卡片标题、页面H1、结构化数据里的名称、站点名称字段，逐对比对完全相同、包含还是完全不同；再用浏览器、搜索引擎爬虫、社交抓取器、AI爬虫四种身份各抓一轮，看不同的读者拿到的是不是同一份页面。文中给出字段覆盖率、五组两两一致率、消费方的取用顺序与回退链、四种身份的状态码差异、同一份规则文件对不同爬虫的判定落差，以及一条从模板层收敛六个副本的路线和几段可直接跑的核…
-
响应头和meta打架的时候，赢的从来不是更严的那条
把同一件事分别写进HTTP响应头和HTML，再交给真实浏览器裁决：字符编码两个方向各测一次，防嵌套做成六格对照，其中一格同时写了最严的老字段和较松的新指令。另一头拿674份配着响应头的真实页面逐项对账，统计响应头层各字段的实际覆盖率、meta里那些规范根本不承认的写法、以及站点规则文件里各类指令的接收方现状。文中给出三条线的层级顺序、三层规则的方向性、一张按层归位的对照表，以及四条能直接跑的核对命令与一段响应头变更监控脚本。
-
重复的meta标签，浏览器和搜索引擎各按各的规矩挑
把188个海外品牌站的首页在两个时间点各抓一次，337份可解析文档、17423条head声明，逐类统计那些语义上本该唯一的字段被写了几遍、值一不一样；再用一个最小的本地服务制造六组典型冲突，交给真实的浏览器内核解析，看它最终采纳了哪一条。文中给出重复率与冲突率的两次快照对照、内页与首页的差距、七类字段各自的裁决方式、被一个div赶出head的三条声明、编码声明写到十几万字节之后为什么仍然没事，以及三档整改优先级和一段能直接接进流水线的检…
-
hreflang互指对不上，多半是另一边先改的
从73个多语言站的首页抽出2529条语言版本声明，实抓258个目标页，逐个解析对面自己的清单，按规范要求做集合比对与逐地址标法比对；非正常响应一律换第二种身份重抓一次，把不受接待与真的坏掉分开；跨域目标另做一次平台指纹对照。文中给出集群规模与跨域分布、自指与集合一致率、标法冲突的形态排序、跳转造成的错位比例、按责任方划分的问题清单，以及一套先修自己再推别人的优先级与可直接抄的沟通结构。
