我们的使命是整合全球信息，供大众使用，使人人受益。在这项浩大的任务中，我们有时会遇到非 HTML 文件，例如 PDF、电子表格和演示文稿。我们的算法并不会因不同文件类型而减慢速度；我们会努力提取相关内容，并适当地将其编入索引，以便在搜索结果中呈现。不过，我们要如何将这些类型的文件实际编入索引？因为它们通常与标准 HTML 有很大不同，这些文件适用哪些准则？如果网站站长不希望我们将它们编入索引，该怎么办？
问：Google 是否可以将任何类型的 PDF 文件编入索引？
答：通常，我们可以将使用各种字符编码的 PDF 文件中的文本内容（以任何语言编写）编入索引，但前提是 PDF 文件没有密码保护或加密。如果文本作为图片嵌入，我们可能会使用 OCR 算法从图片中提取文本。一般来说，只要您可以将 PDF 文档中的文本复制粘贴到标准文本文档中，我们就可以将该文本编入索引。
问：PDF 文件中的图片会怎么样？
答：目前，Google 不会将图片编入索引。若要让我们将图片编入索引，您需要为图片创建 HTML 页面。为了提高我们在搜索结果中返回图片的可能性，请参阅 Google 图片最佳实践。
问：PDF 文档中的链接会怎么处理？
答：通常，处理 PDF 文件中的链接的方式与处理 HTML 中的链接类似：这些链接可以传递 PageRank 和其他索引编制信号，而且 Google 可能会在抓取 PDF 文件后跟踪这些链接。目前无法在 PDF 文档中使用 nofollow 链接。
问：如何防止我的 PDF 文件显示在搜索结果中？如果它们已经显示在搜索结果中，我该如何移除它们？
答：要防止 PDF 文档显示在搜索结果中，最简单的方法就是在用于提供文件的 HTTP 标头中添加 X-Robots-Tag: noindex。如果 Google 已将这些文件编入索引，您可以将 X-Robot-Tag 与 noindex 规则搭配使用，让这些文件随着时间的流逝从索引系统中移除。如需加快移除过程，您可以使用 Google 网站站长工具中的网址移除工具。
问：如果我的网页同时有 HTML 和 PDF 两种版本，会被视为重复内容吗？
答：建议您尽可能只为内容提供一个版本。如果无法做到这一点，请务必指明您的首选版本，例如在站点地图中添加首选网址，或在 HTML 或 PDF 资源的 HTTP 标头中指定规范版本。如需获取更多建议，请参阅关于规范化的帮助中心文章。
问：如何影响 PDF 文档在搜索结果中显示的标题？
答：我们会根据两个主要元素确定显示的标题：文件中的标题元数据，以及指向 PDF 文件的链接的定位文字。为了让我们的算法明确地知道要使用的标题，我们建议对这两项都进行更新。
[[["易于理解","easyToUnderstand","thumb-up"],["解决了我的问题","solvedMyProblem","thumb-up"],["其他","otherUp","thumb-up"]],[["没有我需要的信息","missingTheInformationINeed","thumb-down"],["太复杂/步骤太多","tooComplicatedTooManySteps","thumb-down"],["内容需要更新","outOfDate","thumb-down"],["翻译问题","translationIssue","thumb-down"],["示例/代码问题","samplesCodeIssue","thumb-down"],["其他","otherDown","thumb-down"]],[],[[["Google can index content from most PDFs, including those with various character encodings and languages, as long as they're not password-protected or encrypted."],["Links within PDFs are treated similarly to HTML links, passing PageRank and indexing signals; however, `nofollow` links within PDFs aren't currently supported."],["To prevent PDF indexing, use the `X-Robots-Tag: noindex` HTTP header; for removal of already indexed PDFs, use this tag or Google's URL removal tool."],["PDF files can rank highly in search results based on content and link factors, similar to web pages."],["For content available in both HTML and PDF, indicate your preferred version using sitemaps, canonical tags, or HTTP headers to avoid duplicate content issues."]]],["Google indexes PDF files, extracting text even from images via OCR, if copy-paste is possible. Links in PDFs function similarly to HTML links, influencing indexing. To exclude PDFs from search results, use the `X-Robots-Tag: noindex` header or the URL removal tool. PDFs can rank highly, but duplicate HTML/PDF content should be canonicalized. Title metadata and anchor text of links pointing to the PDF impact the search result title.\n"]]
