上周帮人看图片搜索,三个池子加起来 400 多张配图,图片搜索里一张都没收。我先怀疑是图太大、alt 没写,一条条排除完,最后栽在一个特别低级的点上:文件叫 .jpg,内容其实是 webp。
一个.jpg后缀,把蜘蛛挡在门外
图片资源除了地址,浏览器和蜘蛛还要看服务端回的 Content-Type。后缀写 jpg、真实字节是 webp,服务器多半照模板回 image/jpeg,声明和内容对不上。人眼看不出差别,解析器一读就露馅。
批量查400张图,218张对不上
用 file 命令扫一遍真实格式:218 张标着 .jpg 的其实是 webp,还有 31 张 .png 其实是 jpeg。再用 curl 拉类型头对一遍,错位的地方基本重合。蜘蛛的图片索引是先解析字节、再按类型入库,声明一种、内容另一种,解析器拿不到尺寸和格式,直接跳过。
三种错法,第二种最坑
一种是压缩工具批量转 webp 时沿用了原名;一种是 CDN 或后台的图片处理按后缀回类型头,字节换了、声明没换;还有一种是人手动改名蒙混过去。图片搜索宁可空着,也不会替你猜格式。
宁可重新转,别只改名
要么老老实实转回 JPEG,质量拉到 82,体积差不了多少;要么就大方叫 .webp,把类型头配对上。图省事只改后缀,前台显示正常,蜘蛛那边等于白改。改完记得清 CDN 缓存,类型头跟着旧缓存一起走的情况我碰上过两次。
几个别踩的坑
.htaccess 别一刀切强制 image/jpeg,会把 svg 也带上;webp 走 picture 标签时 srcset 里的类型要写对;老图别原地覆盖,文件名带哈希省得缓存不刷新;一次别动超过几百张,我分了四批,每批改完抽 5 张核类型头。图片这一环和 https 那点事是一套的,混着 http 图的情况写在 那篇,一起修省事。
三周后
三站图片索引从 0 到 47 条,文章页靠图来的点击还不多,但详情页加载也顺了。这种毛病不显眼,可图一张都进不去索引的时候,翻十天日志也想不着是后缀惹的。
后来我把上传前的校验写成了脚本,比事后一台台去查划算多了。

评论列表