很多外贸企业的官网上，最厚的一份资料往往是产品目录 PDF，其次是各种规格书、COA、MSDS。大家默认"传上去客户能下载就行"，但很少有人认真想过：这些 PDF 到底有没有被谷歌收录？能不能像产品页一样带来询盘？Google 搜索团队的 Martin Splitt 和 John Mueller 在一期播客里把 PDF 的处理逻辑讲得比较透，结合 Google 官方文档里披露的体积上限，我们可以得出一个对出口企业很实用的结论——对于未触及抓取体积上限的 PDF，更新后的重新抓取可能更值得关注。下面把机制、坑和做法一次讲清。
Google 眼里的 PDF：先转成 HTML，再按网页处理
先说底层逻辑。Google 并不直接"读"PDF，它把 PDF 当成一个二进制容器，在索引流水线里通过转换组件转成 HTML 表达形式，之后的收录、排名流程就和普通网页走同一套内部系统。这带来两个直接影响：
- 链接能传权重。PDF 里嵌的文本链接会被保留、被正常抓取，可以传递权重。注意这里说的是"可以传递"，不要理解成和网页链接完全等价。
- 图片进不了图片搜索。PDF 里的图片没有独立 URL，没法像常规网页图片那样被 Google 图片搜索收录。产品目录里那些精美大图，在搜索里基本是"隐身"的。
另外，Google 官方文档明确把 PDF 列入可索引的文件类型，并且在搜索里可以用 filetype: 运算符限定文件类型查找。这说明 PDF 本身是被正式接纳的，问题不在"能不能被索引"，而在"被索引得好不好"。
PDF 也能进 AI Overviews，前提是它"读得出字"
这两年大家更关心的是 AI 搜索。播客里明确提到，转换后的 PDF 沿用与 HTML 文档相同的基础系统参与排名，可以出现在 AI Overviews 里，也可能被 AI 模型用于训练和 grounding。注意措辞，是"可以"和"可能"，不是"做了优化就一定被引用"。
关键前提是：AI 想引用你，先得读懂你。扫描版或纯图片 PDF 缺少文本层时，文字提取的不确定性会增加；Google 可能通过 OCR 提取图中文字，建议上传前自行 OCR 并检查结果。一个 30 秒的自测方法：打开 PDF，试着用鼠标选中一段文字，复制粘贴到文本编辑器里。能正常选中的，说明有文本层；无法选中或复制时，应进一步检查扫描图片、权限设置及导出方式。这个测试只能帮助你检查文本可提取性，并不能证明 Google 一定读不到内容。
更进一步，如果你的目标是让产品资料被 AI 搜索拿去当回答依据，光是"有字"还不够。建议把核心参数写成清晰、可提取的文字，便于读取和核对；这不保证 AI 引用。产品规格里的核心参数，比如材质、尺寸、认证、起订量，最好用文字和表格老老实实写出来，别只塞在图片里或者一张扫描的表格截图上。想让产品资料更容易被 AI 搜索引用，可以了解 GEO（生成式引擎优化）/AI搜索优化 的做法。什么样的内容段落更容易被 AI 引用，也可以参考我们之前写的 关于内容可引用性的分析。
PDF 抓取体积上限与更新后的重新抓取
播客里的说法是，Google 有意不公布精确阈值，而且阈值会随文件体积常态变化而调整。但根据 Search Engine Land 和 Search Engine Journal 在 2026 年 2 月的报道，Google 官方文档目前列出的抓取体积上限是这样的：
- PDF：64MB
- HTML 及支持的文本类型：2MB
- 抓取基础设施默认值：15MB，适用于未另设上限的抓取器
这几个数字都按未压缩数据计算，超出部分会被忽略，而不是整个文件被拒收。另外要说明，官方文档写的是当前数字，未来可能调整，这和播客"不公布精确阈值"并不矛盾。
落到外贸场景，对于未触及抓取体积上限的 PDF，还应检查更新后的重新抓取情况；具体以最后抓取时间和服务器日志为准。想了解重抓和收录恢复大概需要多久，可以参考 这篇关于谷歌抓取与索引恢复周期的文章。
外贸企业最常踩的 4 个 PDF 坑
- 直接覆盖原文件。很多人更新目录时，把新 PDF 覆盖到同一个 URL。旧版本还在索引里，新版本却迟迟不进来，客户搜到的可能是过时信息。急需区分并发布新版时，可使用带版本号的新 URL，同时更新官网入口并安排旧版处置；新 URL 不保证立即收录。
- CMS 自动生成 PDF 副本。有些网站工具会自动把每个网页再生成一份 PDF。结果是同一个内容可能产生重复版本，需要明确首选规范网址，而 PDF 版更新不及时，长期停留在旧内容上。
- PDF 跨域重复。同一份 PDF 被客户、平台、经销商到处上传，二进制完全一样。跨域 canonical 本来就不好做，只能算缓解手段，不是根治。
- 加密或密码保护的 PDF。带密码保护的 PDF，爬虫读不到，自然也无法索引。想被搜到，就别给它上锁。
决策树：产品目录、规格书、报价单，哪些做 HTML，哪些留 PDF
与其纠结"PDF 好还是 HTML 好"，不如按场景分流。播客里的基调很明确：默认用 HTML。HTML 更容易编辑、移动端自适应、索引更快。PDF 只在需要严格打印版式、可下载离线表单或纸质文档的场景使用。小餐馆做不起 HTML 菜单，用 PDF 菜单是可以接受的，但外贸企业的情况不太一样。
具体到出口业务，可以这样判断：
- 优先做 HTML：移动端询盘占比高的产品页、更新频繁的报价类内容。海外买家大量用手机看你的站，大型 PDF 在移动网络上的加载体验可能较差，固定打印版式放大时文字不重排，体验很差。
- 保留 PDF：需要打印、需要离线传阅、或本身属于正式文件的资料，比如 COA、MSDS、认证证书、盖章报价单。
- 规格书两版并行：关键参数在 HTML 页面上再做一份结构化版本（表格加小标题），PDF 只留作下载版。这样既照顾了人，也照顾了机器。
- llms.txt 必须是纯文本。供机器消费的文件，PDF 化完全违背它的轻量本意。llms.txt 本身的效果怎样，见 我们的 llms.txt 测试。
保留 PDF 时的 6 项 SEO 做法（SEO：搜索引擎优化）
如果这份资料确实适合做成 PDF，那下面几件事值得照做：
- 保证有可复制的文本层：扫描件先做 OCR，别直接上传图片版。
- 填好元数据标题：PDF 属性里的标题、作者等字段尽量填规范，别留成"未命名-1"。
- 首段放关键词：文档开头正文里自然出现核心产品词，帮助系统判断主题。
- 页眉放回官网的链接：让读到 PDF 的人和爬虫都知道正主在哪。
- 用 HTTP 响应头的 rel="canonical" 指定规范 URL：注意 link rel="canonical" 只适用于 HTML 页面，对 PDF 这类非 HTML 文件要用 HTTP 头来处理，而且它只是一个信号，不是保证，不能指望"做了就一定生效"。发布后检查 PDF 响应头里的 Link 字段是否指向绝对 URL，并在网址检查工具中核对 Google 实际选择的规范网址。
- 更新时考虑带版本号的新 URL：急需区分并发布新版时，可使用带版本号的新 URL，同时更新官网入口并安排旧版处置；新 URL 不保证立即收录。
这些 PDF 和产品页的收录、canonical 配置，属于技术 SEO 的日常维护工作，可以交给 谷歌SEO代运营团队统一排查。
三步检查你的 PDF 有没有被谷歌收录
说了这么多，先确认现状最实际。三步自查：
- 第一步，用 site: 加 filetype:pdf 粗查。在 Google 搜索框里输入类似 site:你的域名.com filetype:pdf，看能翻出多少份 PDF，大致判断收录规模。搜索结果仅供抽查，不能据此统计完整收录数量。
- 第二步，在 Search Console 的网址检查里输入 PDF 的完整 URL。看它返回的状态，是已收录、已发现未收录，还是根本没被抓取。
- 第三步，在网页索引报告里排查。"已发现但未编入索引"表示 Google 已发现 URL，但尚未抓取；结合网址检查、抓取统计和服务器状态进一步排查，并与"已抓取但未编入索引"区分。
怎么做
给外贸企业老板和市场负责人三条可以马上动手的事：
- 清点并分流。把官网现有的 PDF 列一张表，标注更新频率、是否正式文件、是否有移动端阅读需求，按上面的决策树分成"改 HTML""保留 PDF""两版并行"三类。更新频繁的那几份，优先动手。
- 做一次文本层体检。随机挑 5 份最常给客户的产品目录和规格书，用"选中复制粘贴"的方法自测。凡是选不中文字的，要么重新导出带文本层的版本，要么同步做一份 HTML 页面。
- 建立更新规矩。急需区分并发布新版时，可使用带版本号的新 URL，同时更新官网入口并安排旧版处置；新 URL 不保证立即收录。并检查 CMS 有没有偷偷自动生成 PDF 副本的功能：检查自动生成的 PDF 是否有实际用途；无用途的可关闭，需要保留的应配置规范网址并同步更新。同时给重要的规格书配一份 HTML 结构化版本。
不确定你的产品目录 PDF 有没有被谷歌收录、该不该改成 HTML 页面？给我们留言，告诉我们你的网站，我们帮你看看。
参考资料
- Search Off the Record 播客，PDFs in Search: Indexing, AI & Pitfalls（Search Engine Roundtable 转述标题：Google Search On PDFs - Deep Dive Podcast）：https://www.seroundtable.com/google-search-on-pdfs-42291.html
- Search Engine Land, Google lists Googlebot file limits for crawling, 2026-02-04：https://searchengineland.com/google-lists-googlebot-file-limits-for-crawling-468226
- Search Engine Journal, Google Updates Googlebot File Size Limit Docs, 2026-02-03：https://www.searchenginejournal.com/google-updates-googlebot-file-size-limit-docs/566485/
- Google Search Central, Indexable file types：https://developers.google.com/search/docs/crawling-indexing/indexable-file-types
- Google Search Central, Consolidate duplicate URLs：https://developers.google.com/search/docs/crawling-indexing/consolidate-duplicate-urls