去年给一组做装修的蜘蛛池盯图片流量,12 个站,每篇正文配三张现场图,alt 都按「城市+施工」写,两个月下来图片搜索来源加起来只有 4 次。翻服务器日志才发现,图片爬虫抓的几乎全是模板顶上那张 1200×400 的横幅,正文图一次都没进。
头图抢位:模板 banner 占着正文的第一个 img
那个 banner 是页面 body 里的第一个 img,正文图排到第三屏往后。图片爬虫抽页时先看首图,再看它周围那段文字。banner 旁边全是导航和分类链接,判不出主题,只能当装饰图处理;正文图根本没被排进候选。
四个信号决定正文图能不能进索引
离正文开头两屏内、文件名带语义、alt 与所在段落说法一致、图片周边别被推荐位塞满。四条里占三条才有戏,我那几个站一条都不占。
我实际改的三处
banner 从 img 改成 CSS 背景,不再出现在 HTML 里;首图挪到第一段之后,宽 800、高按比例;文件名从 IMG_20240612 换成 spider-crawl-diagram.jpg。中文名在部分服务器上会被编码成乱码,我统一用英文加连字符。
这图把两种 alt 摆在一起,上面那行「小狗 宠物 可爱 动物 萌宠」是典型的堆词,下面一句才说得清画面。写法这事,看一眼就明白差在哪。
两个月后的账:4 次变成日均几十次
图片搜索来源从两个月 4 次涨到日均几十次,12 个站里有 11 张正文图被抓进了图片索引。同一批图、同样的 alt,放在没改 banner 的另外五个站,到现在还是零。变量只有模板这一处。
三个别做的动作
alt 别把关键词串成一串,堆得越满越像低质图;别放比正文大三倍的原图,首屏拖慢,抓取频率跟着往下走;图片别挂防盗链,Referer 一卡,爬虫拿到 403 就当这张图不存在。
图片收录和文字收录不是一套逻辑,拿文章的经验硬套会白忙。这坑我早前还踩过更深的一次,把图直接写成 base64 塞进正文,蜘蛛一张都读不出来,写法和后果都在图片直接写成 base64 塞进正文。改模板那半小时,比多发二十篇文章划算。

评论列表