站内 SEO 审计脚本

这个网站构建流程的一半。跑在 dist/ 上，检查一类特定的缺陷：在浏览器里完全正常，但爬虫看到的是坏的。

它检查什么#

按「出问题的代价」分成失败和警告两级。失败会让 CI 退出非零。

每个页面：

• canonical 是否存在、是否绝对、是否在本站域名下、是否和文件实际的路径一致
• 两个页面是否声明了同一个 canonical——这正是 canonical 标签本该防止的事故
• og:url 是否和 canonical 一致（不一致时分享出去的链接和索引的链接是两个）
• 是否恰好一个 H1
• title 和 description 的长度，阈值按语言分——一个中文字符在搜索结果里的宽度大约是拉丁字符的两倍，用一个绝对字数对两种语言都是错的
• hreflang 集合是否包含自己（自引用是必需的）、是否恰好一个 x-default、tag 是否合法 BCP 47
• 每个 JSON-LD 块能否解析、@type 是否存在、@id 是否重复、是否有未转义的 </script
• 每个 <img> 是否有 alt，是否有宽高（没有宽高就是直接的 CLS 损失）
• 外链是否带 rel=noopener

跨页面：

• hreflang 是否互指。A 指向 B 而 B 不指回 A 时，Google 会丢掉整个语言簇，所以这一项是失败而不是警告。
• 每个内链是否真的对应 dist/ 里存在的文件
• 每个可索引页面是否在 sitemap 里；每个 noindex 页面是否不在 sitemap 里

它抓到过的东西#

写它的直接回报是抓到了两个我自己不会发现的 bug。

一个是中文标签页的语言切换链接指向 /en/blog/tags/工程实践——一个从中文标签生成的 slug 在英文站没有对应页面。在浏览器里点一下才会发现，而我不会去点每一个标签。

另一个是几个英文页面的 meta description 只有 10 到 19 个字符。全都是从 UI 字符串继承来的，本地看起来没问题，在搜索结果里就是一行没信息量的字。