内容不以文字形式存在，可读入口就少了

搜索引擎判断一个页面值不值得收录、该匹配哪些查询，主要依据是页面里可以直接读取的文本。当正文被做成图片、扫描件 PDF 或视频时，这些信息并没有以文字形式进入 HTML，抓取系统能拿到的往往只剩文件名、周边说明和替代文本。这不等于完全读不到，但等于把可控的部分交了出去。

图片里的文字，能被读到多少

对搜索系统来说，一张图首先是一张图。能获取信息的渠道通常是这几条：

• 文件名：img-01.png 和 安装步骤-第三步.png 提供的信息量差别很大。
• alt 文本：用来描述图片内容，也能改善可访问性，但不适合堆关键词。
• 图片周围的正文与标题：上下文会影响图片被理解成什么。
• 页面整体主题：同一张图放在不同页面，含义可能完全不同。

OCR 在部分场景会被用来识别图片中的文字，但它更多是辅助理解，并不保证当作页面正文参与排序。把整段攻略、参数表、价目表做成图片，等于让这部分内容在文本层面几乎消失。

PDF 的情况：能被索引，但和页面是两份东西

文本型 PDF 通常可以被抓取并建立索引，甚至单独出现在搜索结果里。不过有几点需要留意：

• PDF 是独立的 URL，和它所在的产品页、文章页各有各的索引状态。页面被收录不代表 PDF 被收录，反过来也一样。
• 扫描件 PDF 本质是图片，需要 OCR 才能提取文字，效果取决于清晰度和排版质量。
• PDF 更新后同样需要等待重新抓取，直接覆盖同名文件，比不断新增 v1、v2、v3 更好管理。
• PDF 在移动端的阅读体验通常较差，用户打开后快速跳出，也会影响页面的整体表现判断。

视频与音频：需要一层文字

视频里的讲解、音频里的访谈，搜索系统默认拿不到其中的内容。可行的做法是提供字幕文件，或者在页面上放文字稿、要点摘要，让核心信息至少以文本形式存在一次。

自查顺序

1. 临时不加载图片、只看文本，检查页面还剩多少可用文字。如果连核心结论都找不到，风险就比较明显。
2. 检查关键图片的 alt 是否在描述内容，而不是重复标题或堆砌关键词。
3. 确认重要 PDF 是否有对应的 HTML 页面，至少也要在页面上给出文字摘要。
4. 用搜索引擎的 filetype 语法看一下 PDF 是否被单独收录，版本是不是最新的。
5. 替换资料时尽量保持 URL 稳定，避免同一份文件产生多个可访问地址。

更稳妥的取舍

图片、PDF、视频本身没有问题，它们是内容形式的一部分。问题在于把唯一一份信息放进了里面。比较稳的做法是：正文用文字写清楚，图片承担说明和示例，PDF 作为下载附件而不是唯一载体，视频配一份文字稿。这样既照顾阅读体验，也不至于把收录完全寄托在 OCR 上。

一个简单的判断方法：把页面里的图片和附件全部去掉，如果剩下的文字仍然能回答用户的问题，收录和匹配就基本不会被形式拖累。