SEO词库工具，输入规范何时该改、改哪一层
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /411625e592f4.html
📄
SEO词库工具，输入规范何时该改、改哪一层
结论先说：对象格式变化时，不要直接把新格式塞进原来的输入框就完事，要先判断变化发生在“字段含义”还是“字段排列”上。如果只是分隔符、编码或列顺序变了，通常改输入规范里的映射与清洗规则即可；如果新增了原来没有的语义字段，比如把单纯的查询词扩成“查询词+地区+语言+意图”，那就必须改规范本身，否则后续去重、合并和分组会得出与直觉相反的结果。
先分清两种变化：换皮还是换骨
把格式变化拆成两类，是决定改哪一层的前提。
- 换皮：字段集合不变，只是导出格式从制表符变成逗号分隔，或从一行一个词变成一行多个词。此时字段含义没变，改的是解析层。
- 换骨：出现了新字段，或原有字段被拆分、合并。例如原来一列“词”，现在拆成“主词”和“修饰词”两列；原来没有地域列，现在按城市分行。此时改的是规范层。
判断依据可以很具体：把新旧两批样本各取若干行，逐列对齐。如果每一列都能在新格式里找到唯一对应列，就是换皮；如果有列找不到对应、或一列对应到多列，就是换骨。这个动作本身就能给出下一步方向，不需要先猜。
换皮时改解析层：映射、清洗、去重顺序
字段含义不变时，改动集中在三处，顺序不能颠倒。
- 先改列映射：把新格式的列名或列序号绑定到内部统一字段名。绑定后再解析，避免下游规则跟着格式走。
- 再改清洗规则：处理引号包裹、转义字符、前后空格、大小写。注意清洗必须在映射之后，否则带分隔符的字段会被提前切断。
- 最后调去重顺序：如果新格式把同一个词拆到多行，去重要放在合并之后，否则会把同一查询的不同写法当成两个词保留下来。
一个假设例子：某批数据从“一行一个查询词”变成“一行一个查询词加一个来源标签”。若先去重再合并，同一个词会因来源不同被保留多次；若先按词合并、再汇总来源，结果才和旧规范一致。这里的数字只是说明比较方法，不代表任何实际规模。
做完这三步，下一步是抽样比对：用旧规范和新规范各跑同一批换皮数据，看输出词表是否一致。一致，说明改动到位；不一致，差异集中在哪一列，就回到那一列的映射或清洗规则。
换骨时改规范层：先定字段语义，再定合并粒度
新增或拆分了语义字段，解析层怎么改都不够，必须回到规范本身。这时要回答两个问题：新字段是否参与去重，以及合并粒度定在哪一层。
选择依据可以这样区分：
- 如果新字段是描述性的，比如来源、备注，它不应参与去重，只作为附加信息保留。
- 如果新字段是限定性的，比如地区、语言，它决定同一个词是否算同一个对象，就必须写进去重键。
合并粒度也有两种成立条件。粒度定在“词”这一层，适合后续要做跨地区汇总；粒度定在“词+限定字段”这一层，适合后续要按地区分别出清单。两种都成立，取决于下游要拿这份词库做什么，而不是取决于格式本身。
实施动作上，建议先把去重键写进规范文档，再让解析脚本引用这个键，而不是把键硬编码在脚本里。这样下次格式再变，只需改文档中的键定义，脚本行为跟着变，减少两处不一致的风险。
出现反常结果时，用可核对的证据区分解释
格式改动后常见的反常现象是：词表总量骤降，或某个来源的词全部消失。这不一定说明规范改错了，还有几种合理解释：
- 新格式里该来源本身就没有数据，属于输入缺失，不是解析问题。
- 去重键变严，把原本保留的近似词合并掉了。
- 清洗规则误删了含特殊字符的词。
区分方法是对同一批数据分别统计“解析后行数”和“去重后行数”。如果解析后行数就少，问题在解析或输入；如果解析后正常、去重后才少，问题在去重键。这个动作能把范围缩小到一层，下一步只需检查那一层的规则，而不必整体回退。
例外：什么时候不该改规范
有两种情况建议先不动规范。一是格式变化只出现在个别批次，属于上游临时导出差异，此时更适合在入口做一次性转换，避免为临时情况污染长期规范。二是新字段的语义还没确认，比如列名含义模糊，此时应先核对来源方对字段的定义，再决定是否纳入去重键。把未确认的字段写进规范，后续修改成本更高。
规范改完后，留一份新旧对照说明，标注改动层级、生效范围和回退方式。下次格式再变时，这份说明能直接告诉你该动解析层还是规范层，而不必从头判断一遍。
