PDF优化这点破事儿：我踩过的坑你就别跳了
昨天翻看网站日志，差点把咖啡喷屏幕上——一个关键词明明排第三，点进去却是404。研究了半天，才发现是PDF文件名大小写搞的鬼，大写改小写之后旧链接直接挂掉。这破事让我觉得，PDF优化真不是上传就完事儿，里面道道多得能写本书。https://obgeo.oss-cn-beijing.aliyuncs.com/pvc-articles/3e38fd35-7a4c-4764-85c2-cc1122e6d9f7.jpg
PDF文件在搜索结果的显示示例
说实话，很多人对PDF的态度就是“能打开就行”。可做SEO久了，你会明白搜索引擎对待PDF跟HTML完全是两种眼光。有时候一份PDF带来的长尾流量，比十篇普通网页都猛——因为它往往被当作权威参考资料。
命名：你以为的小事，其实是天大的事
别笑，我见过最离谱的案例：一个做医学指南的站，PDF文件名是“final_v2_approved_revised_final.pdf”。谷歌蜘蛛看到这种名字，跟看无字天书差不多。还有用中文命名然后URL编码成一坨乱码的……简直是在劝退爬虫。
教训就是：文件名必须用连字符而不是下划线。谷歌明确说过把下划线当连字符会切断分词。“pdf-optimization-guide.pdf”远好于“pdf_optimization_guide.pdf”。而且尽量把核心关键词放前面，比如把“how-to-optimize-pdf-for-seo.pdf”改成“seo-pdf-optimization-guide.pdf”——因为前面词权重大嘛。哦对了，大小写统一小写，避免Unix服务器区分大小引发的惨案。这就回到开头那个坑，至今想起还胸口疼。
https://obgeo.oss-cn-beijing.aliyuncs.com/pvc-articles/72b52abe-5012-41fe-b19d-07fcda696cb6.jpg
正确命名的PDF文件在服务器里的截图
标题与元数据：看不见的战场
很多人根本不知道PDF也有标题属性（Title meta data）。你打开PDF属性一看，标题常常是创建时的临时名字，比如“Microsoft Word - 文档1”或干脆空白。然后搜索引擎索引时就拿文件名当标题，可文件名那点信息量够吗？
一个优化的PDF标题，应该和网页标题一样讲究。“公司简介.pdf”这种就是浪费。得塞进关键词还得通顺。用Acrobat或免费工具（比如PDFtk）就能改。我还习惯加个副标题式的描述，但不超过70字符——不然搜索结果里就截断了。描述（Description）字段也得填，虽然不像meta description直接影响排名，但能提升点击率。你想想，搜索结果里你的PDF摘要就靠它了。
还有作者字段，顺手填上品牌名或网站名，能增强可信度。说实话，这细节花不了两分钟，可大部分人就是懒。
内容本身：别把PDF当Word文档扔
PDF的本质是“可移植文档”，但搜索引擎读它的时候，其实跟读网页的逻辑差不多。那就意味着内容必须结构化。标签（Tags）很重要！有标签的PDF爬虫解析起来容易得多。比如你做个报告，大标题用H1，小标题用H2，正文P标签，列表用L和LI……这不就是HTML那一套吗？很多创建工具（哪怕Word转PDF）都支持生成标签，但默认竟都是关的！你说气人不气人。
内链也别忘了。PDF里可以加超链接，连回你网站相关页面。这不仅引流，还在传递权重。有几次我专门做了PDF的Sitemap，收录速度肉眼可见变快了。说到Sitemap——很多人不知道可以在robots.txt里指定PDF，或者在XML sitemap里加进去。谷歌官方都支持的。
文本一定要可选中复制，别搞成扫描图片集。OCR识别过的也要校对，不然出一堆乱码。有一次我下个竞品白皮书，想引用里面一句话，结果复制出来全是错别字，瞬间觉得这家不靠谱。
速度与压缩：又不是搞无损音乐
一个10MB的PDF，除非是图片画册，否则就是欠优化。用户点开等半天，跳出率高得吓人。我一般用Adobe的“减小文件大小”或在线工具压一下。但注意！不是压得越小越好，得在清晰度和体积间找平衡。有些工具把图表压成马赛克，那还看个鬼。
还有个邪门技巧：如果你配图多，把图像先处理一遍再插入。比如全用72dpi的RGB图而不是300dpi的CMYK——打印用高质量，屏幕看真没必要。另外，启用“快速Web查看”线性化功能，这样不用下载完就能打开。这个小勾勾一打，体验飙升。
https://obgeo.oss-cn-beijing.aliyuncs.com/pvc-articles/6248680b-c07d-420f-ae35-3338e1d1201a.jpg
在线PDF压缩工具的操作界面
不过话说回来，现在谷歌Page Experience信号对PDF有没有直接影响，官方没明说。但你自己想想，加载慢的文档谁愿意等？间接影响肯定存在。
安全性与收录：我锁住我的PDF，然后……
https://obgeo.oss-cn-beijing.aliyuncs.com/pvc-articles/8f1b47f8-a674-44a4-a7c6-752dc257a0e8.jpg
安全性与收录：我锁住我的PDF，然后……
曾经有个客户为了版权，把所有PDF设了密码保护，连查看都需密码。然后问我为什么谷歌不收录。我差点一口老血。搜索引擎不是黑客，打不开就不会索引。如果真想保护，可以设置“禁止复制和打印”，但允许查看。或者用“仅加密元数据”这种模式。唉，都是血泪。
还有种情况：PDF放在需要登录的页面后，或者被noindex指令了。或者你网站用JavaScript加载PDF预览器，可蜘蛛并不执行JS。这些都得排查。我是吃过亏，才养成了定期用site:yourdomain.com filetype:pdf查收录的习惯。
最后唠叨一句：PDF的优化是个持续活。改版、更新后记得检查旧链接是否301重定向。别学我犯懒搞出404。流量来了又跑，最冤了。
总之，PDF这玩意儿吧，搞好了是流量收割机，搞不好就是资源黑洞。以上都是真金白银换来的教训，信不信随你，反正我现在每个PDF都当亲儿子一样优化。 说得很有道理，很多观点都说到点子上了，希望以后能多看到这类帖子。
页:
[1]