资源類内容也有自己的索引
大多數讨论收錄的文章都在讲 HTML 頁面，但站点里還有相当一部分内容是图片、PDF、文档、视频封面這類资源文件。它們同样可以被抓取和索引，只是走的是不同的索引類型，核對方式也和普通網頁不太一样。如果图片或 PDF 在搜尋结果里長期不出現，先別急着归因于算法，多數情况是资源本身没有被当成一份可索引的文档来處理。
先分清你要的是哪一種索引
- 網頁索引：承载资源的那個頁面，判定對象是頁面本身。
- 图片索引：图片自身的 URL，加上它所在頁面提供的上下文。
- 文件索引：PDF、表格、演示文稿等可直接訪問的文档。
這三種索引的入口不同，判定标准也不同。图片能不能進图片索引，與它所在頁面能不能進網頁索引是两件事：頁面被排除，图片有时仍會出現在图片结果里；反過来，頁面收錄正常，图片也完全可能不進图片索引。排查前先明确目标，否則很容易拿頁面的结论去解释图片的問题。
可抓取性：资源文件的第一道门
资源要能被單獨訪問，才谈得上被單獨索引。先核對三件事：
- robots.txt 是否屏蔽了资源目錄或對應文件後缀。
- 资源 URL 是否返回 200，且 Content-Type 與文件類型一致，例如 image/jpeg、application/pdf。
- 是否被登入、鉴權、防盗鏈或 CDN 規則拦住。
第三点最容易被忽略。图片通過脚本或服務器規則校驗来源，正常浏览器能看到，抓取工具却拿到 403，收錄自然無從谈起。CDN 的热鏈保護、按 Referer 放行的規則，都可能造成這種差异。
上下文：让资源被理解，而不只是被抓到
图片本身没有可讀文本，搜尋系統主要依靠周邊信息判断它是什么：
- alt 文本是否描述了图片内容，而不是堆砌關鍵詞。
- 图片文件名是否可讀，产品頁-正面.jpg 通常比 IMG_2031.jpg 更好判断。
- 图片附近是否有标题、图注或正文說明。
- 是否使用懒加载，但初始 HTML 里没有真實地址，只留占位图。
PDF 相對好办，因為它自带文字层。但要留意两種常见問题：掃描件没有文字层，机器讀到的是一張图；正文里的連結指向一個中間跳轉頁，而跳轉頁本身對抓取工具不可用。這两種情况都會让文档"存在但讀不出内容"。
站点地图與入口
图片和 PDF 很难靠内鏈被發現，尤其是文件類资源。把它們寫進 XML 站点地图是成本最低的做法：图片可以用 image 扩展标注，PDF 可以像普通 URL 一样列出来。同时確認這些资源至少有一個可点击的頁面入口，而不是只存在于下载脚本或接口里。没有入口、也没有站点地图的资源，等于只靠运气被發現。
核對顺序
- 直接打開资源 URL，確認返回 200 與正确的 Content-Type，且没有被登入、防盗鏈拦截。
- 检查 robots.txt，確認资源目錄和承载頁面都没有被屏蔽。
- 检查承载頁面本身是否可索引，是否被 noindex，或 canonical 指向別處。
- 检查图片 alt、文件名與周邊文本，PDF 確認存在可複製的文字层。
- 提交站点地图，观察抓取日誌里對该目錄的請求是否出現，以及返回的狀態碼。
几個常见誤区
- 图片收錄少就是被惩罚：多數是资源可抓取性不足或上下文缺失。
- PDF 上传了就會被收錄：掃描件、跳轉連結、目錄屏蔽都會挡住。
- 頁面收錄了图片就一定會進图片索引：两者判定相對獨立。
- 提交站点地图就能加快收錄：提交只是告知存在，不改變可抓取性與内容质量。
资源類内容的收錄問题，大多出在"能不能被抓到"和"抓到了能不能被讀懂"這两步，剩下的小部分才涉及质量與索引取舍。先把這两步核對完，再考虑做別的優化。