谷歌播客聊PDF索引与AI搜索

刚听完谷歌搜索团队最新一期播客，Martin Splitt和John Mueller专门聊了PDF在搜索里的索引、AI应用和常见坑。这期内容对做独立站和内容站的朋友挺有参考价值，我挑几个关键点说说自己的理解。

首先，PDF并不是被谷歌直接当网页抓取，而是先转成HTML再处理。这意味着扫描件、图片型PDF基本等于没内容，因为OCR识别出来的文字质量参差不齐，链接和图片也容易丢失。如果你把核心产品手册或白皮书只放PDF，等于主动放弃了搜索流量。关于链接，PDF里的超链接能被识别，但权重传递和普通网页不一样，而且PDF内部锚点跳转几乎没用。图片方面，PDF里的图会被单独处理，但alt文本缺失是常态，所以图片搜索里PDF的曝光一直很弱。文件大小和页数也有限制，太大太长的PDF可能只被部分索引。最值得关注的是AI搜索部分。谷歌明确说PDF内容也会进入AI概览和AI模式，但前提是文本可提取、结构清晰。那些排版花哨、分栏混乱的PDF，AI读起来很吃力，结果就是你的内容在AI回答里被忽略。我自己的判断是，未来做内容分发，PDF应该只作为下载补充，核心信息必须有一份干净的HTML版本。总结一下：别把PDF当网页用，该转HTML就转，该加alt就加，文件别太大。播客里还提到PDF排名和普通网页排名逻辑类似，但可访问性和可解析性差很多。如果你手头有大量PDF资产，建议优先把高价值的那几份转成结构化网页，别让它们烂在服务器里。