27 个首页全写了 html lang，Google 说它不看这个
html lang 这个属性 27 个首页一个不落全写了，而 Google 文档明写判断语言不看它。2026-08-21 抓的这一批里，有两个站交付给我们的是没要过的语种。
实测 · 2026-08-21 · 27 个首页 · 每站一次请求 · 出口在日本大阪
样本与口径：2026-08-15 起一直在用的那 30 个站，2026-08-21 每站首页抓一次，浏览器 UA，请求头带 Accept-Language: en-US,en;q=0.9。解析开头那个 <html> 标签的 lang、xml:lang、dir，再数 head 里带 hreflang 的 rel="alternate" 有几条。
这批首页 27 个全都写了 html lang，一个不落。而 Google 的文档明写：它判断页面语言不看这个属性。真正值得看的是另一件事 —— 有两个站交付给我们的，是我们没要过的那个语种。
怎么测的
每站一次 HTTP 请求，不渲染、不重试。出口 IP 是 23.106.140.215，抓取当天查到的归属地是日本大阪。这个细节下面会用到两次。
纳入规则跑数前就定死了：状态 200、响应体不少于 10,000 字节、含 <body。30 个里 3 个没过，全程剔除：stackoverflow.com 和 medium.com 回 403，www.reddit.com 回的是 8,393 字节的空壳。
同一个属性，六种写法
27 个站全声明了语言，但怎么写没有共识，而且其中两个根本不是在描述英文。
| 声明的值 | 站数 | 谁 |
|---|---|---|
en | 19 | 面板里的大多数 |
en-US | 4 | mdn、wired、techcrunch、theverge |
en-GB | 1 | www.bbc.com |
en-us | 1 | www.notion.com |
en-JP | 1 | stripe.com |
ja-JP | 1 | slack.com |
Notion 那个小写的 en-us 不算错 —— 这个标签本来就不区分大小写，地区码大写只是惯例。但 27 个里只有它这么写。这类细节能留好几年，因为从来没有任何东西会为它报错。
html lang 到底是写给谁看的
它告诉浏览器和读屏软件这份文档是什么语言。它不负责告诉 Google。Google Search Central 的《Managing multi-regional and multilingual sites》，2026-08-21 读到的原文：「Google uses the visible content of your page to determine its language. We don't use any code-level language information such as lang attributes, or the URL.」
换句话说，写对了在搜索侧不加分，写错了在搜索侧也不扣分。真正会照着它执行的是读屏软件 —— 念哪种发音、选哪个语音包，都从这里取。光这一条就够理由把它写对。
两个站给了我们没要过的语种
Slack 返回的首页声明的是 ja-JP，Stripe 返回的是 en-JP。我们的请求头写的是 Accept-Language: en-US，我们的 IP 写的是大阪。两次都是 IP 赢了。
这已经是这批站上第四次撞到出口位置改变返回内容，前几次记在 重定向链要跳几次 那篇里。同一份 Google 文档对这个做法说得很直：「Don't use IP analysis to adapt your content. IP location analysis is difficult and generally not reliable. Furthermore, Google may not be able to crawl variations of your site properly.」
为什么一次来自一个国家的访问就足以说明问题，答案也在同一页：「Google crawls the web from different locations around the world. We do not attempt to vary the crawler source used for a single site in order to find any possible variations in a page.」爬虫从哪儿来就拿哪一版，拿完就走。它不会换个地方再试一次。
lang 记录的是你的服务器决定给什么，不是访客要了什么。
做出海站的人对这条要格外敏感：按 IP 把访客分流到某个语种版本，在多语言插件和 CDN 规则里是默认选项之一。它对真人是体验优化，对一个固定出口的爬虫就是「你只准看这一版」。
旁边那几个属性基本没人写
lang 是那个永远都在的属性。同一个标签上的其他信号几乎是空的。
| 信号 | 站数 | 说明 |
|---|---|---|
lang | 27 / 27 | 全员都有 |
dir | 4 / 27 | canva、shopify、substack、wired |
xml:lang | 0 / 27 | 没有一个 |
| hreflang 链接 | 11 / 27 | 最多 107 条，16 个站是 0 |
Canva 声明了 107 条 hreflang 备用地址，stripe 89 条，shopify 71 条，另外 16 个站一条都没有。这个差距在 谁真的声明了 hreflang 里量过。这里只用它说明一点：一个站可以把 hreflang 做得很齐全，同时仍然给固定出口的爬虫交付了错的那一版 —— 这是两套互不相干的机制。
这次抓取回答不了什么
一个国家的一次请求画不出这些站的全貌。Stripe 和 Slack 对从美国来的爬虫可能返回的就是 en，我们在这里没法验。能确定的只有一句：2026-08-21 一个在大阪的客户端收到了什么。
我们没有验证任何引擎实际拿这个属性做什么。Google 文档写了不用它；答案引擎读不读、读了做什么，是本次测量的局限，不是结论。不猜。
还有一条：声明的语言不等于核对过的语言。本次没有检查写着 en 的页面正文是不是真的英文。27 个声明就是 27 个自称。
回自己站上查什么
两分钟，三步。
- 看一眼自己首页源码，确认开头那个
<html>上的lang值和页面上看得见的文字对得上。 - 换一个你不做生意的国家的出口，再抓一次自己的首页，比较两次的
lang值。不一样，就说明有一条 IP 规则在替你做决定。 - 别指望靠这个属性解决搜索侧的语言问题。Google 说它读的是可见正文，所以要改的是正文。
如果问题正好是「爬虫到底收到了哪一版」，逐个 UA 看回来的是什么，就是 AI 爬虫可达性检查 在做的事。
常见问题
你们是怎么测的？
2026-08-21 每站首页请求一次，请求头带英文 Accept-Language，出口 IP 在日本，然后解析开头那个 <html> 标签的属性。不渲染，不重试。
html lang 影响 SEO 吗？
Google 明写它判断语言用的是页面可见正文，不用 lang 这类代码层信息。这个属性服务的是浏览器和读屏软件。
该写 en 还是 en-US？
都合法。这 27 个站里 19 个写 en、4 个写 en-US。只有当你确实另外提供了一个地区版本时，地区码才值得加。
为什么我要英文，站点返回的是日文？
因为它按 IP 分流，而不是按 Accept-Language。2026-08-21 Slack 对我们就是这样，返回的页面声明的是 ja-JP。
