搜索引擎是否对PDF进行爬网，如果是的话，是否有任何规则要遵循

我正在工作的网站上有几百个PDF。我认为我从未见过他们中的任何人在搜索中回来，但它们直接链接到外部站点。它们也充满了关键字，因为它们是产品文档。

为了让Google或其他搜索引擎抓取它们，我们需要做些特别的事情吗？

是否有严格的规则来制作PDF以帮助Google更喜欢它们？例如，是否应该通过ghostscript运行它们以清理Adobe在生成过程中创建的损坏的PDF标签？

Google 绝对将PDF文件编入索引，并且您可以通过添加filetype:pdf到搜索查询中来仅搜索PDF文件（示例）。

我想说，优化PDF以使其易于索引的主要工作是：

• 给它一个有意义的文件名
• 完成所有文档元数据属性（标题，作者，关键字等）
• 确保您的PDF由实际文本组成，而不是扫描的图像
• 确保您拥有正确使用标题的良好内容，就像处理HTML文档一样

有关更多提示，请阅读优化PDF文档和11个针对搜索引擎优化PDF的提示。

我不确定其他搜索引擎，但就Google而言，主要规则是不要通过robots.txt排除它们

这是他们最初支持PDF搜索的公告。

就像使网站符合您的SEO一样，使您的PDF可访问也不会受到伤害。Adobe内置的辅助功能检查器远非完美，但是至少修复这些问题才能使您入门。

我可能每4到5分钟就花5分钟，而我们在线发布的大部分是文本PDF。时间平均增加，具体取决于页面的数量以及这些页面的复杂程度。

假设您具有Adobe Acrobat Pro进行编辑：

• 运行可访问性全面检查。（快速检查对我来说毫无意义）
• 更新文档属性中的元信息（关键字，主题，语言等）
• 确保添加了标签
• 确保将文本标记为文本，将图像标记为图像，将背景材料标记为背景
• 将无用的绒毛（例如装饰或设计）标记为背景
• 向图像添加替代文字
• 确保按阅读顺序正确排列文本
• 在内容工具栏中，确保文本没有重复或翻译不当
• 在扫描的页面上使用OCR扫描仪

对于表格和真正的怪异Adobe错误等更高级的编辑，我们使用一个名为CommonLook的插件。CommonLook可以完成工作，但我讨厌它的程度与讨厌Adobe工具的程度差不多。

熟悉润色阅读顺序工具，标签工具栏，阅读顺序工具栏和内容工具栏。我的工作需要完全兼容的文档，然后才能上网，但是任何人都可以从一些简单的标记和文档属性中受益。