很多站点的 HTML 本身并不大，真正吃掉服务器带宽和抓取时间的，是图片、视频封面、附件 PDF 这类媒体资源。它们平时不出问题，一旦换 CDN、改目录结构或者批量替换模板，就容易留下大量指向旧地址的引用，蜘蛛顺着爬过去只拿到一串 404。这篇把图片与媒体资源的自查拆成几块，可以按顺序过一遍，也可以只挑当前站点最可疑的部分检查。
先确认图片目录没有被挡住
图片通常放在 /uploads/、/static/、/assets/ 这类目录下。有些站点为了省流量，会在 robots.txt 里直接屏蔽整个图片目录，或者用防盗链规则把非本站 Referer 的请求全部拦掉。屏蔽图片本身不一定有问题，但如果你同时又希望图片出现在图片搜索结果里，两边就会打架。
建议顺手确认三件事：
- robots.txt 中是否有针对图片、附件目录的 Disallow 规则，是否还符合当前预期。
- 防盗链规则是否把搜索引擎的抓取 UA 也拦住了，常见表现是图片在浏览器里能看，抓取日志里却全是 403。
- 测试环境或临时目录是否被误同步到正式站，导致出现两套图片地址。
URL 稳定性：换了域名或 CDN 之后最容易出问题
图片地址一旦变化，页面上的引用、站外转载、收藏夹里的链接都会同时失效。自查时可以关注这些点：
- 是否还残留指向旧域名或旧 CDN 域名的图片地址，这类地址如果已经不再解析，用户看到的是破图，蜘蛛看到的是错误状态码。
- 图片 URL 里是否带上了会变化的参数，比如时间戳、随机会话 ID、临时签名。签名过期的地址短期内就会失效。
- 缩略图是否使用了固定的尺寸命名规则。如果同一张图有七八种尺寸，最好确认这些衍生地址是否真的需要被单独抓取。
对于已经确认不用的图片地址，返回 404 或 410 比返回一个空图片更清楚，避免让抓取工具反复回来确认。
懒加载与 JavaScript 渲染
为了提升首屏速度，很多站点把图片改成滚动到可视区域再加载。如果实现方式只是在页面初始 HTML 里放一个占位符，真实地址由脚本后面写进 src，那么不执行脚本的抓取方式就只能看到一个空壳。常见做法是把真实地址放在 data-src 之类的属性里，同时保留一个可用的 src 兜底，或者确保图片地址在初始 HTML 中就能被读到。
自查时可以用禁用 JavaScript 的方式打开页面，看看图片是否还有可访问的地址，而不是只剩占位色块。
体积与格式：别让一张图吃掉整页预算
图片体积不直接影响收录，但会影响加载速度和服务器压力，间接影响抓取效率。可以按这几个方向梳理：
- 尺寸：页面展示宽度是 800 像素，就不要上传 4000 像素的原图再由 CSS 缩小。
- 格式：照片类内容可以考虑 WebP 等体积更小的格式，图标和简单图形用 SVG 往往比位图更省。
- 响应式：如果用了 srcset，确认各档尺寸的地址都存在，避免小屏用户请求到大图或反之。
- 宽高属性：给图片写上 width 和 height，可以减少页面加载过程中的布局跳动。
文字信息：alt、文件名和周边内容
alt 文本首先是给看不见图片的用户用的，顺带也能帮助理解图片内容。写法上不必堆关键词，说清楚图里是什么就够了。文件名同理，2024-03-product-01.jpg 比 IMG_8832.jpg 更有信息量，但也不用为了塞词把文件名写成一长串。
另外可以留意图片周围的正文和标题是否和图片相关。一张商品图放在完全不相关的文章里，对用户和抓取都没有帮助。
容易被忽略的非 HTML 资源
除了常规图片，还有几类文件值得纳入巡检范围：
- 产品手册、白皮书这类 PDF，是否还在被页面引用，文件本身是否可正常打开。
- 视频封面图与播放器资源，确认封面地址没有失效。
- 站点图标和分享卡片图，地址变更后社交平台可能仍缓存旧图。
- 字体文件，跨域配置不正确时会出现文字闪烁甚至显示异常。
一份可执行的巡检清单
- 从访问日志中筛出图片与附件的错误状态码，按出现次数排序，先处理高频的。
- 抽查若干主力页面，禁用 JavaScript 后确认图片地址仍可读取。
- 检查 robots.txt 与防盗链规则，确认没有误伤抓取。
- 统计单页媒体资源总体积，挑出最重的几个页面做压缩或换格式。
- 补全缺失的 alt 和宽高属性，优先处理列表页和详情页首图。
- 对已确认下线的媒体地址，统一返回 404 或 410，不再保留空文件。
这套检查不需要一次做完，可以按季度安排一次全量抽查，平时发布内容时留意新上传的文件即可。媒体资源的问题通常不会立刻显现，但积累起来会实实在在增加服务器负担和无效抓取。