标签：内容载体

内容装在图片、PDF 和附件里：能被索引的文字有多少

把重要信息做成图片、PDF 或视频的站点不少，但爬虫读到的往往只是文件名和链接。本文说明不同内容载体在抓取与收录上的差别：图片依赖 alt 与图注，文档需要文字层，视频和画布几乎不产出可读文字，并给出把非文字内容转成可索引文字的检查顺序。