做站点运营时，URL、死链、重定向这些检查大多有人定期跑，但图片和视频这类媒体资源，往往被归到“前端优化”里，很少从蜘蛛的角度看一眼。实际上图片是页面上数量最多的元素之一，也是页面体积的主要来源。蜘蛛抓到一个页面后，除了 HTML，它还会顺着图片地址去看一遍。如果这些地址访问不了、名字全是数字、周围没有任何说明，那页面在它眼里就少了一大块信息。
先确认图片地址能不能被正常访问
这一步最容易被忽略，因为浏览器里图片显示正常，不代表蜘蛛能拿到。常见的几种情况：
- robots.txt 里为了“保护”图片，顺手把图片目录 Disallow 了，连带页面上的图片全抓不到；
- 图片放在对象存储或 CDN 上，开了防盗链，只允许自家域名 Referer，蜘蛛请求时没有 Referer，直接返回 403；
- 用了带签名的临时地址，URL 里带一长串过期时间参数。这种地址每天甚至每次刷新都不一样，等于给同一张图造了无数个新地址；
- 图片被删了但页面还引用着，返回 404 或 403，长期堆在日志里。
抽一批页面，把里面的图片地址复制出来直接访问一遍，看看状态码，是最直接的办法。
懒加载别把图片藏到蜘蛛看不到的地方
为了首屏速度，很多站点会给图片加懒加载。做法本身没问题，问题出在实现方式：有的把真实地址写在 data-src、data-original 上，等 JS 执行时再替换给 src，HTML 里 src 留一个空白占位图。蜘蛛拿到的初始 HTML 里，那张图就等于不存在。
可以这样处理：
- 首屏和靠前的图片直接用正常 src，不做延迟；
- 靠后的图片用浏览器原生 loading="lazy"，它不改变 HTML 里的 src，只是延迟加载；
- 如果用 JS 方案，至少在 noscript 里保留一份带 src 的图片；
- 用 CSS 背景图展示重要内容的，考虑改成 img，或者补上可抓取的说明文字。
文件名、alt 和图片周围的文字
蜘蛛看不懂图片内容，只能靠文件名、alt 和上下文判断。文件名建议用能说明内容的英文或拼音，避免 20240618-001.jpg 这种纯编号，也避免直接堆一长串关键词。alt 写成人能读懂的短句，描述这张图在讲什么，不必把栏目词、地区词全塞进去。
图片下方的图注、同一段落里的正文、所在栏目的标题，都是它理解图片的线索。如果一张图是产品对比表、尺寸图这类信息量大的内容，旁边最好有一段文字说明，而不是只有一张图。
图片不是装饰，它也是页面内容的一部分。蜘蛛看不到的那部分，等于白做。
体积、格式与尺寸声明
这一块主要影响渲染和用户体验，但间接也关系到抓取。图片太大，页面加载慢，蜘蛛等待的时间变长；没有声明 width 和 height，图片加载时页面布局跳动，也会影响体验。常见做法是压缩后输出 WebP 或 AVIF，用 srcset 给不同屏幕提供不同尺寸，同时保留一张兜底格式。上千 KB 的原始大图直接挂在列表页，是很不划算的。
图片站点地图和图库页
如果你的站有图库、相册、作品集这类以图片为主的页面，可以考虑单独做一个图片站点地图，把图片地址和所在页面列清楚。图库的列表页也要像普通列表一样能一页页翻下去、有稳定的 URL，而不是全部靠 JS 加载。图片本身不适合作为 URL 发现的唯一入口，但它是补充。
一个可以定期跑的自查清单
- 从各栏目抽 20 到 30 个页面，把图片地址批量取出来，直接访问看状态码；
- 在浏览器里关掉 JS，看 HTML 源码里还剩多少可用的图片 src；
- 检查 robots.txt 有没有误封图片目录，CDN 有没有拦掉无 Referer 的请求；
- 抽查图片文件名和 alt，是否写了人话；
- 找出体积最大的那几张图，看能不能压缩或换格式；
- 如果有图库页，确认列表能翻页，并考虑加一份图片站点地图。
这些检查不需要一次做完，按季度或半年跑一轮就够。比起反复调整参数，先把“蜘蛛能不能看到这张图”这件事确认下来，往往更实际。