Node.js 全站 SEO 体检报告生成器:一次查完标题、描述、canonical、H1、图片
做谷歌SEO,站里页面一多,问题就藏不住了:标题缺失、描述没写、canonical 漏配、H1 数量不对、图片没 alt。这些问题单个看不大,几百个页面累积起来,就拖垮整站的质量。人工一个个查不现实。这篇写一个 Node.js 工具,从 sitemap 出发,并发抓取全站页面,检查标题、描述、canonical、H1、图片 alt 这几项,最后输出一份完整的体检报告,问题最多的页面排在前面。
标题、描述、canonical 的官方规范看这里:标题链接、搜索片段、规范化网址。
工具能检查什么
- 解析 sitemap(支持 sitemap index 嵌套)
- 并发抓取每个页面的 HTML
- 检查标题:缺失、超长(60 字符)
- 检查描述:缺失、超长(160 字符)
- 检查 canonical:是否声明
- 检查 H1:数量是否为 1
- 检查图片:总数、缺 alt 的张数
- 汇总输出报告,问题最多的页面排前面
用 Node.js 原生 fetch,不装任何依赖。
完整代码
javascript
// site-audit.js
// 用途:从 sitemap 出发,全站多维度 SEO 体检,输出汇总报告
// 运行:node site-audit.js https://example.com/sitemap.xml
// 依赖:无(Node 18+ 自带 fetch)
const CONCURRENCY = 8; // 并发数,太大容易被限流
async function fetchHtml(url) {
try {
const resp = await fetch(url, {
headers: { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) Chrome/120.0 Safari/537.36' },
});
return resp.status === 200 ? await resp.text() : null;
} catch (e) {
return null;
}
}
function analyze(url, html) {
const issues = [];
const title = (html.match(/<title[^>]*>([\s\S]*?)<\/title>/i) || [, ''])[1].trim();
const desc = (html.match(/<meta[^>]*name="description"[^>]*content="([^"]*)"/i) || [, ''])[1] || '';
const canonical = (html.match(/<link[^>]*rel="canonical"[^>]*href="([^"]*)"/i) || [, ''])[1];
const h1 = (html.match(/<h1[^>]*>/gi) || []).length;
const imgs = (html.match(/<img[^>]*>/gi) || []).length;
const noAlt = (html.match(/<img(?![^>]*alt="[^"]*")[^>]*>/gi) || []).length;
if (!title) issues.push('标题缺失');
else if (title.length > 60) issues.push('标题过长(' + title.length + ')');
if (!desc) issues.push('描述缺失');
else if (desc.length > 160) issues.push('描述过长(' + desc.length + ')');
if (!canonical) issues.push('无 canonical');
if (h1 !== 1) issues.push('H1 数量 ' + h1);
if (noAlt > 0) issues.push(noAlt + ' 张图缺 alt');
if (imgs === 0) issues.push('无图片');
return { url, title: title.slice(0, 40), issues };
}
async function main() {
const sitemap = process.argv[2] || 'https://example.com/sitemap.xml';
const text = await (await fetch(sitemap, { headers: { 'User-Agent': 'Mozilla/5.0' } })).text();
const urls = [...text.matchAll(/<loc>([^<]+)<\/loc>/g)]
.map((m) => m[1].trim())
.filter((u) => !u.endsWith('.xml'));
console.log('共 ' + urls.length + ' 个页面,开始体检...\n');
const results = [];
const queue = [...urls];
const workers = Array.from({ length: CONCURRENCY }, async () => {
while (queue.length) {
const url = queue.shift();
const html = await fetchHtml(url);
if (html) results.push(analyze(url, html));
else results.push({ url, title: '(抓取失败)', issues: ['抓取失败'] });
}
});
await Promise.all(workers);
const all = { titleMissing: 0, titleLong: 0, descMissing: 0, descLong: 0, noCanonical: 0, h1Bad: 0, noAlt: 0, noImg: 0 };
results.forEach((r) => {
r.issues.forEach((i) => {
if (i.includes('标题缺失')) all.titleMissing++;
else if (i.includes('标题过长')) all.titleLong++;
else if (i.includes('描述缺失')) all.descMissing++;
else if (i.includes('描述过长')) all.descLong++;
else if (i.includes('无 canonical')) all.noCanonical++;
else if (i.includes('H1')) all.h1Bad++;
else if (i.includes('缺 alt')) all.noAlt++;
else if (i.includes('无图片')) all.noImg++;
});
});
console.log('===== 全站 SEO 体检报告 =====');
console.log('页面总数:', results.length);
console.log('');
console.log('标题缺失:', all.titleMissing);
console.log('标题过长:', all.titleLong);
console.log('描述缺失:', all.descMissing);
console.log('描述过长:', all.descLong);
console.log('无 canonical:', all.noCanonical);
console.log('H1 数量异常:', all.h1Bad);
console.log('有图缺 alt 的页面:', all.noAlt);
console.log('无图片的页面:', all.noImg);
console.log('');
console.log('问题最多的页面 Top 10:');
results.sort((a, b) => b.issues.length - a.issues.length).slice(0, 10).forEach((r) => {
console.log(' [' + r.issues.length + ' 个问题] ' + r.url);
r.issues.forEach((i) => console.log(' - ' + i));
});
console.log('===== 结束 =====');
}
main();
怎么用
bash
node site-audit.js https://你的域名/sitemap.xml
运行后先看汇总数字,哪类问题最多一目了然;再看 Top 10,问题集中的页面优先修。
怎么解读这份报告
报告分两部分。上面是"汇总",告诉你全站各类问题有多少个,这是看面:哪类问题最普遍,就优先集中解决哪类。下面是"Top 10",列出问题最多的页面,这是看点:先把这几个最烂的页面修好,见效最快。
修的顺序建议:先修影响最大的(标题缺失、canonical 缺失),再修数量最多的(图片 alt、描述缺失),最后再磨细节。
几个关键检查项的意义
标题是结果页的门面。 标题缺失,谷歌只能从页面里猜,猜得牛头不对马嘴;标题超长,结果页里被截断成省略号,核心关键词还没露出来就没了。标题要每个页面唯一、关键词前置、60 字符内。
canonical 决定"哪个版本算数"。 同一个页面有多个 URL 能访问(加不加 www、带不带参数),没有 canonical,谷歌不知道该收录哪个,权重被分散。声明 canonical,把权重归到一个标准版本上。
H1 是页面的主标题。 一个页面该有一个 H1 说明主题。0 个或好几个,都会让谷歌和买家搞不清这页讲什么。这是最基础的页面结构问题。
图片 alt 是图片的唯一文字信号。 谷歌看不懂图,靠 alt 理解图片内容。alt 缺失,这张图对谷歌就是"无名图",图片搜索的流量也丢了。外贸站产品图多,alt 缺失是最普遍的问题。
写在最后
全站体检的价值,在于把"感觉有问题"变成"哪几个页面、哪几类问题、有多少个"的具体清单。跑一遍这个脚本,照着报告修,比凭感觉瞎改高效得多。建议每个月跑一次,站里新页面多了、改了结构,问题就又会冒出来。
延伸阅读:谷歌 SEO 系统实操。
觉得有用欢迎点赞、收藏、转发,有疑问评论区留言或私信交流。