Python脚本可用requests+BeautifulSoup批量巡检静态HTML的SEO健康度，重点校验title（10–60字符）、meta description（≥50字符且非空）、canonical链接有效性（需绝对URL并指向自身）及img alt语义质量（非空、含关键词、非通用词）。
静态HTML页面的SEO健康度不能靠人工抽查，必须用可落地的自动化巡检机制来守住底线——尤其当页面数量超过50个、更新频率高于每周3次时，手动检查必然漏掉关键问题。
如何用脚本批量检测和<meta name="description">缺失
搜索引擎抓取时，<title> 和 <meta name="description"> 是最基础的信号。缺失或重复会直接导致索引失败或 snippet 展示异常。
- 用 Python 的
requests+BeautifulSoup遍历所有 HTML 文件路径（如./dist/**/*.html），提取这两个标签内容 - 重点校验：
<title>是否为空、长度是否在 10–60 字符之间；<meta name="description">的content属性是否存在且长度 ≥ 50 字符 - 注意：某些构建工具（如 Hugo）会在模板里用占位符（如
{{ .Title }}），需确保生成后不是空字符串或硬编码的“Untitled” - 错误示例：
<title></title>或<meta name="description" content="">应被标记为ERROR级别告警
为什么 canonical 标签失效比你想象中更常见
<link rel="canonical"> 不是写上就生效——它可能因相对路径、协议不一致、或动态拼接出错而变成无效链接，导致搜索引擎误判重复内容。
在SEO发布前，从路由清单生成XML网站地图和robots.txt
下载
当代理已经知道网站路由或内容URL，并且在启动前需要有效的sitemap XML、sitemap索引或robots.txt引用时，请使用sitemap。这是一个发布构件技能，而不是爬虫或SEO平台。
- 巡检时必须解析出完整 URL：对比
canonical的href值与当前页面实际 URL（含协议、域名、路径），判断是否指向自身 - 常见坑：
href="/page.html"在https://a.com/b/下会被解析为https://a.com/page.html，而非预期的https://a.com/b/page.html - 若页面支持多语言或参数变体（如
?lang=zh），canonical必须明确指向规范版本，否则 Google 可能忽略该标签 - 建议在 CI 流程中加入校验步骤，失败则阻断发布（例如用
html-validate配合自定义 rule）
图片 alt 属性的批量扫描与语义质量初筛
alt 不只是“有没有”，更是“有没有信息量”。纯装饰性图片可设 alt=""，但产品图、图表、截图必须含关键词和上下文。
立即学习“前端免费学习笔记（深入）”；
- 用正则或 DOM 解析提取所有
<img>的alt值，过滤掉空值、纯标点、仅含文件名（如product-123.jpg）或通用词（如image、photo） - 对非空 alt 做基础语义判断：是否包含主关键词？是否描述动作或状态？（例：
alt="iPhone 15 Pro 拆机对比图"✅；alt="手机图片"❌） - 注意 SVG 内嵌图标：若用
<use href="#icon">，需额外检查<title>或aria-label是否存在，否则 screen reader 和爬虫都不可见 - 工具链建议：结合
pa11y（无障碍检测）和自定义脚本，避免只依赖单一规则
真正难的不是发现单个问题，而是让巡检结果能触发后续动作——比如把 missing canonical 自动提 Issue 到 GitHub，或把低质 alt 文本推送给内容编辑复核。没有闭环的巡检，只是定期生成一份没人看的报告。
