很多站点的 HTML 本身並不大，真正吃掉服務器带宽和抓取時間的，是图片、视频封面、附件 PDF 這類媒体资源。它們平时不出問题，一旦換 CDN、改目錄结构或者批量替換模板，就容易留下大量指向舊地址的引用，蜘蛛顺着爬過去只拿到一串 404。這篇把图片與媒体资源的自查拆成几块，可以按顺序過一遍，也可以只挑目前站点最可疑的部分检查。
先確認图片目錄没有被挡住
图片通常放在 /uploads/、/static/、/assets/ 這類目錄下。有些站点為了省流量，會在 robots.txt 里直接屏蔽整個图片目錄，或者用防盗鏈規則把非本站 Referer 的請求全部拦掉。屏蔽图片本身不一定有問题，但如果你同时又希望图片出現在图片搜尋结果里，两邊就會打架。
建议顺手確認三件事：
- robots.txt 中是否有针對图片、附件目錄的 Disallow 規則，是否還符合目前预期。
- 防盗鏈規則是否把搜尋引擎的抓取 UA 也拦住了，常见表現是图片在浏览器里能看，抓取日誌里却全是 403。
- 測試环境或临时目錄是否被誤同步到正式站，導致出現两套图片地址。
URL 稳定性：換了域名或 CDN 之後最容易出問题
图片地址一旦變化，頁面上的引用、站外轉载、收藏夹里的連結都會同时失效。自查时可以關注這些点：
- 是否還残留指向舊域名或舊 CDN 域名的图片地址，這類地址如果已经不再解析，用戶看到的是破图，蜘蛛看到的是错誤狀態碼。
- 图片 URL 里是否带上了會變化的參數，比如時間戳、随机會话 ID、临时簽名。簽名過期的地址短期内就會失效。
- 缩略图是否使用了固定的尺寸命名規則。如果同一張图有七八種尺寸，最好確認這些衍生地址是否真的需要被單獨抓取。
對于已经確認不用的图片地址，返回 404 或 410 比返回一個空图片更清楚，避免让抓取工具反复回来確認。
懒加载與 JavaScript 渲染
為了提升首屏速度，很多站点把图片改成滚動到可视区域再加载。如果實現方式只是在頁面初始 HTML 里放一個占位符，真實地址由脚本後面寫進 src，那么不执行脚本的抓取方式就只能看到一個空壳。常见做法是把真實地址放在 data-src 之類的属性里，同时保留一個可用的 src 兜底，或者确保图片地址在初始 HTML 中就能被讀到。
自查时可以用禁用 JavaScript 的方式打開頁面，看看图片是否還有可訪問的地址，而不是只剩占位色块。
体积與格式：別让一張图吃掉整頁预算
图片体积不直接影响收錄，但會影响加载速度和服務器压力，間接影响抓取效率。可以按這几個方向梳理：
- 尺寸：頁面展示宽度是 800 像素，就不要上传 4000 像素的原图再由 CSS 缩小。
- 格式：照片類内容可以考虑 WebP 等体积更小的格式，图标和简單图形用 SVG 往往比位图更省。
- 响應式：如果用了 srcset，確認各档尺寸的地址都存在，避免小屏用戶請求到大图或反之。
- 宽高属性：给图片寫上 width 和 height，可以减少頁面加载過程中的布局跳動。
文字信息：alt、文件名和周邊内容
alt 文本首先是给看不见图片的用戶用的，顺带也能帮助理解图片内容。寫法上不必堆關鍵詞，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，但也不用為了塞词把文件名寫成一長串。
另外可以留意图片周围的正文和标题是否和图片相關。一張商品图放在完全不相關的文章里，對用戶和抓取都没有帮助。
容易被忽略的非 HTML 资源
除了常規图片，還有几類文件值得纳入巡检范围：
- 产品手册、白皮书這類 PDF，是否還在被頁面引用，文件本身是否可正常打開。
- 视频封面图與播放器资源，確認封面地址没有失效。
- 站点图标和分享卡片图，地址變更後社交平台可能仍缓存舊图。
- 字体文件，跨域配置不正确时會出現文字闪烁甚至顯示異常。
一份可执行的巡检清單
- 從訪問日誌中筛出图片與附件的错誤狀態碼，按出現次數排序，先處理高频的。
- 抽查若干主力頁面，禁用 JavaScript 後確認图片地址仍可讀取。
- 检查 robots.txt 與防盗鏈規則，確認没有誤伤抓取。
- 統計單頁媒体资源總体积，挑出最重的几個頁面做压缩或換格式。
- 补全缺失的 alt 和宽高属性，優先處理列表頁和詳情頁首图。
- 對已確認下线的媒体地址，统一返回 404 或 410，不再保留空文件。
這套检查不需要一次做完，可以按季度安排一次全量抽查，平时發布内容时留意新上传的文件即可。媒体资源的問题通常不會立刻顯現，但积累起来會實實在在增加服務器负担和無效抓取。