websocketpp区分文件和文本_Google搜索引擎如何处理PDF文件？

PDF在google搜索结果中会被PDF标签标记，如下图所示：

那么Google搜索引擎如何处理PDF文件呢？

首先，PDF文件会被转换并索引为HTML（超文本标记语言）。

对于包含文本图像的PDF，Google使用光学字符识别（OCR）技术将文本图像转换为文本。

同时，PDF中的图像也会被收录在图像搜索结果中。

如果你同时拥有一个独立网页，且内面的内容跟PDF内容重复的话，Google会优先选择索引网页而不是PDF文档。

如果你的页面内容和PDF具有相同的内容，则Google会将页面作为重复群集（duplicate cluster）的主要版本。这意味着PDF中的内容都会被合并到页面中，并且只在搜索结果中显示页面而不显示PDF。

（注意区分上面的，重复内容和具有相同内容的情况）

但是你要知道PDF是不利于的SEO的，我们应该尽可能将内容展示在页面中！

这个很好理解，相比页面而言，PDF存在一些缺点：

1、PDF本质上是静态文件，我们不会经常更新，因此爬虫抓取的频率较低；

2、PDF文件没有移动端友好性，因为其版式固定，导致在移动端的显示效果不佳；

3、无法跟踪数据，常见的追踪器都会在网页上运行JavaScript, 但却无法处理PDF文档。

4、PDF中的链接缺乏SEO属性，例如：nofollow、UGC和Sponsored。

以上！