很多站点在做抓取自查时，会把注意力全部放在文字页面上，图片和视频则被默认为“蜘蛛不在乎”。实际情况没那么简单：图片是页面内容的一部分，也是 URL 发现的一部分。当一批图片只以占位符的形式出现在 HTML 里，蜘蛛看到的就是一个内容稀薄的页面；当图片地址被规则挡住，页面就少了一批本来可以被发现的 URL。
下面这份清单不涉及任何排名技巧，只解决一个具体问题：让媒体资源的地址真实出现在可以被抓取的位置。
图片为什么会进入抓取检查的范围
大致有三个原因。第一，图片地址本身就是 URL，会进入抓取队列，也占用抓取预算。第二，图片的 alt 文本和周边文字，是蜘蛛判断页面主题的辅助信息。第三，图集页、商品页、教程页往往以图为主，如果图片没有被正确暴露，这类页面的可见内容会明显缩水。
五个需要逐项确认的点
一、HTML 里有没有真实的图片地址
懒加载是最常见的坑。当图片写成 data-src，或者由脚本在滚动时才注入地址，初始 HTML 里就只有占位符。蜘蛛不一定会滚动页面，也就不一定看得到真实地址。可以查看页面源代码，搜索一下图片所在域名，看看首屏之外的图片出现了多少。如果数量几乎为零，就需要给懒加载加一层降级：用 src 放一张低质量占位图，真实地址放在 srcset 或 noscript 中；至少保证正文中的关键图片是直接写在 HTML 里的。
二、图片地址本身能不能被抓
地址存在不等于能拿到内容。常见情况有：robots.txt 里整目录屏蔽了 /images/ 或 /uploads/；防盗链规则对非本站来源直接返回 403；图片放在另一个域名下，而那个域名的抓取规则没有跟着一起调整。抽几张有代表性的图片直接请求一次，看看返回的是 200、403 还是跳转，比在后台猜要可靠得多。
三、给图片一条被发现的路
图片站点地图是成本最低的做法，把重要图集页、商品图、示意图的地址按规范列进去，能让这批 URL 不必只依赖页面上的链接被发现。同时检查图集页本身：分页是否可点、缩略图是否指向详情页、有没有把整个图集塞进一个脚本加载的弹层里。图集页的问题和列表页类似，一旦入口都藏在脚本中，蜘蛛就只能在第一页打转。
四、alt 与文件名：给图片一点语义
alt 不需要堆关键词，但需要描述图片内容。更值得检查的是批量复制的痕迹：同一套模板生成的几百张图，alt 全部写成“产品图片”，文件名全部是 1.jpg、2.jpg。这类做法未必带来直接惩罚，但它让图片信息完全同质化，也让人工排查时无从下手。至少让文件名能对应到具体内容，例如把主图从 IMG_2031.jpg 改成能看懂的名字。
五、体积与响应
图片体积直接影响页面加载，也间接影响蜘蛛一次能抓多少页。同一张图按场景上传几种尺寸，前端按需调用；开启图片压缩与合适的缓存头；把大图放到 CDN 上并确认 CDN 对蜘蛛的响应正常。这里的目标不是做到极致，而是避免单个页面几 MB 的图片把服务器带宽占满。
一个可以按顺序执行的复核流程
- 选三个有代表性的页面：一个图集页、一个详情页、一个首页。
- 查看源代码，确认首屏之外的图片地址是否出现在 HTML 中。
- 抽五张图片地址逐个请求，记录状态码和响应体大小。
- 检查 robots.txt 与防盗链规则，确认没有整目录误伤。
- 更新图片站点地图，之后在抓取日志里观察图片地址的抓取情况。
- 把发现的问题记进清单，下个季度再复核一次。
媒体资源的问题通常不会立刻表现为流量波动，它更像是长期低效：该被发现的地址没有被发现，该被理解的页面少了一半信息。定期花半小时查一遍，比等到出问题再回头补要省事得多。
最后提醒一句：这类自查的结论只代表你这边地址可抓、内容可读，具体的抓取与展示由搜索引擎决定，不需要也不应该用固定周期去套。把清单跑通、把明显的问题修掉，剩下的交给时间。