Google的John Mueller和Martin Splitt在公司播客中介绍了PDF的搜索处理方式。据介绍，搜索系统会通过专用转换功能将PDF转为HTML，并使用HTML版本编入索引。他们还表示，PDF中的链接也能在转换后被识别，内容除了可能出现在常规搜索结果中，也可能显示在AI Overviews和AI Mode中。
PDF并非搜索范围之外的文件
你可能听过“PDF不利于SEO”这种说法。听过这次的介绍后，这种印象或许需要稍作修正。
Splitt表示，搜索系统中有一个称为“转换器”的组件。它会在渲染完成后、决定是否将内容纳入索引之前运行，根据文件格式分流处理。它支持的格式很广，包括富文本、文档和Excel文件，PDF转换功能也是其中之一。
转换后的输出是HTML，因此后续流程几乎只处理HTML。可以把它想象成：Google并非用PDF阅读器打开文件查看内容，而是先将其转换成与网页同一类型的内容。
链接为何能发挥作用
PDF中嵌入的链接之所以能像普通链接一样发挥作用，也可以用同一套机制来解释。Splitt表示，系统会尽可能忠实于原始格式，将文件转换为HTML表示形式，因此也能识别链接等元素。Mueller补充说，Google会将PDF转换成更接近其熟悉的网页的形式，所以链接也能够使用。
对于通过PDF发布资料或介绍页面的企业来说，这意味着其中指向自家网站的链接可能并非毫无用处。
常规搜索和AI模式中都可能出现
PDF可能显示在AI Mode中的原因，也可以用转换机制来解释。和常规搜索一样，PDF转为HTML后会被编入索引，因此也可能出现在AI Overviews或AI Mode中。Splitt表示，PDF在索引和排名方面的处理方式与其他文档基本相同。
也就是说，PDF在AI搜索中并不会被单独归为一类；只要进入搜索的基础流程，就能通过同样的入口被检索到。
纯图片PDF存在隐患
需要注意的是，并非所有PDF都会被作为文字读取。有些PDF只是将扫描页面保存为图像，看起来像文档，实际内容却是图片。
Splitt给出的判断方法很简单：尝试选中PDF中的文字并复制，再粘贴到文本编辑器中。如果能够粘贴，就说明内容可以转换，并处于可用于排名的状态。Mueller也表示，只要是可编入索引的文本，就能用于搜索。
对于PDF中的图像本身，Splitt没有给出确定的说法。处理普通图片时，系统会将URL交给图片搜索流程；但PDF里的图片没有单独的URL。因此，他目前的看法是，这些图片可能无法像普通图片那样进行处理。他还提到，这种处理方式未来可能会改变。至于文件大小上限，他表示，获取端应该也有不同于HTML的限制，但没有给出具体数字。
选择PDF的理由，以及HTML的易用性
那么，是否不该制作PDF呢？Splitt的回答是：“如果内容需要，当然可以。”他说，如果需要严格控制打印时的版式，或者文档需要像表单那样进行交互，PDF就派得上用场。他还举例说，可以用PDF制作住宿设施的预订表单。
餐厅菜单也成为讨论话题。许多店家会直接发布印刷公司制作的PDF；相比不发布菜单，发布PDF要好得多。Mueller也表示，如果只能在发布菜单和不发布之间二选一，那就算是PDF，也应该发布出来。
另一方面，如果可以在PDF和普通网页之间选择，Mueller更倾向于后者，原因是网页更容易操作。他表示，如果同样的内容可以做成HTML，一切就会轻松一些。Splitt本人也更倾向于灵活性更高的HTML。
尽量不给搜索引擎添麻烦
从这次介绍中可以看出，问题并非简单地在“PDF对搜索有利”或“PDF对搜索不利”之间二选一。关键在于，用户找到信息的路径有多短。
PDF需要经过转换这一环节才能进入搜索。因此，如果同样的内容可以用HTML呈现，更稳妥的做法是从一开始就采用搜索引擎和读者都更容易处理的形式。HTML打开页面即可阅读，在智能手机上也不容易排版错乱；这些特性也提升了用户体验。
如果要检查自家网站上的PDF，不妨先确认其中的文字能否复制。然后再判断内容是否也适合以HTML形式发布。按这个顺序着手，或许是一个切实可行的起点。
コメント