Node.js 全站 SEO 体检报告生成器:一次查完标题、描述、canonical、H1、图片

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

  1. 解析 sitemap(支持 sitemap index 嵌套)
  2. 并发抓取每个页面的 HTML
  3. 检查标题:缺失、超长(60 字符)
  4. 检查描述:缺失、超长(160 字符)
  5. 检查 canonical:是否声明
  6. 检查 H1:数量是否为 1
  7. 检查图片:总数、缺 alt 的张数
  8. 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 复制代码
// 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 复制代码
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。

相关推荐
NoteDeep 深度笔记41 分钟前
DOM 被改乱了怎么办?Notedeep 编辑器的 normalize 设计
前端·javascript·编辑器
zhanlang021743 分钟前
HTML 零基础入门到企业实战【第七章 7.2】form 标签属性:action、method、name、target 详解
前端·html
风落青芜1 小时前
数据结构:堆的概念与实现
c语言·开发语言·数据结构·算法
涛涛ing1 小时前
面试了20个前端,我发现高薪的都不怎么拼“底层原理”
前端
翼帆2 小时前
我用 AI 复刻了 CodeTank,重温代码坦克
前端·javascript·开源·ai编程·游戏开发·codetank
有趣的老凌2 小时前
学习MarkDown笔记
前端
掘金者阿豪2 小时前
数据库选型到底应该看什么?从业务需求到技术架构的实践分析
前端·后端
徐小夕3 小时前
万字拆解:零向量库、无模型微调,SAG2 凭什么刷新多跳问答 SOTA
前端·vue.js·github
黑土豆4 小时前
用 drawink 给业务页面加一层画板:从网页批注到无限板书
前端·javascript·github