站点地图会收录扫描器里打开的文件吗?
不会。站点地图列出的是公开页面网址,例如 /photo 和各篇指南。在扫描器里打开文件不会把该文件加进站点地图,扫描器也不会把文件提交到 PrivacyFileLab。
专题
PrivacyFileLab 如何在文件检查仍留在浏览器中的同时被搜索找到,以及它的 robots、索引和分析选择意味着什么。
本站希望爬虫找到的页面,是有稳定网址、标题、标题层级,以及站内链接的静态 HTML。站点地图列出这些网址。一个可读的页面不需要识别读者身份的脚本。本专题、工具页和指南都属于这类 HTML。这里不承诺搜索结果中的名次。
扫描器在浏览器里的同源 Worker 中读取文件。它们不会把字节提交到 PrivacyFileLab 的上传接口,也不会根据文件生成公开的结果网址。把 /photo 编入索引,只是告诉爬虫照片扫描器存在。它不会公开某人在该标签页里选择的 JPEG、PDF 或文本。
robots.txt 允许抓取 /,并指向本主机上的站点地图。这个决定针对的是 HTML 文档。挡住所有爬虫会让说明文档难以被发现,却不会改变一次本地扫描,因为扫描并不依赖页面被编入索引。llms.txt 重复可索引页面的标题和描述,并写明限制。它不列出被排除在索引之外的计算器。该文件中的一行仍然不包含访客选中的文件。
大多数公开网址可以被索引。/hvac-cost-comparison 是仍留在站上的例外。该页是保留的热泵与燃气炉计算器,不是文件工具。它的 HTML 要求爬虫不要索引,响应头用 X-Robots-Tag 重复了这一点,站点地图也不收录这个网址。文件工具导航和 llms.txt 不列出它。noindex 是请爬虫不要把该网址放进索引。拿到地址的人仍然可以打开页面。
英文页面没有 /en/ 前缀。简体中文页面位于 /zh-CN/ 下。没有仅根据浏览器语言自动跳转的规则。每个公开页面都会为你正在阅读的语言设置规范网址,并提供 en、zh-CN 和 x-default 的 hreflang。本专题的两条路径是 /topics/privacy-friendly-seo 和 /zh-CN/topics/privacy-friendly-seo。这些标记告诉爬虫哪个网址是哪种语言的副本。它们不记录正在阅读的人是谁。
应用的响应设置了 Content-Security-Policy:script-src 限于本源(含内联脚本),connect-src 也限于本源。Referrer-Policy 为 no-referrer,因此从本站点出到其他网站时,不会把本页网址当作 Referer 送出。Permissions-Policy 在这些页面上关闭相机、麦克风、地理定位、支付和 USB。已发布的 HTML 不加载广告脚本、会话回放脚本或第三方分析 SDK。
SHA-256 工具在页面上显示摘要,并且不会把该摘要发送到分析服务。完整文件哈希也不在本项目分析边界允许测量事件携带的范围内。首页上的“无追踪”是指这个应用不额外加入追踪器。网络、浏览器,以及提供 HTML 的主机,仍然可能看到某个网址被请求了。这和跨站跟随一个人的脚本不是同一件事。
当公开页面嵌入或链接一个文件时,搜索可见性和文件隐私就碰到一起。抓取图片网址的爬虫会收到该文件,包括格式里仍然携带的元数据。在把 JPEG、PNG 或 WebP 放到可索引页面之前,照片扫描器可以列出已支持的 GPS、设备、时间、作者和 XMP 字段。清理会改写已支持的字段并再次扫描。人脸、文档和路牌仍留在像素里。照片指南说明了这个限度。
从可索引页面链出的 PDF 可能带有作者、更早的修订、附件、表单答案、脚本和外部链接。PDF 扫描器报告它已实现的模式,上限 32 MB,清理器会拒绝重建其中许多结构。DOCX、XLSX 和 PPTX 包可能带有身份、时间戳和自定义属性。Office 扫描器是对这些包的本地检查。
页面上的文字才是搜索引擎会保存的内容。标题或图片说明里的客户姓名、凭据或私有网址,会在页面被索引时公开。文本脱敏和 AI 上传扫描器可以在你把文字粘贴到公开页面、或粘贴到会代写页面的 AI 产品之前,在本地复核。AI 上传页面不会调用 AI API。扫描没有发现,并不表示这段话可以发布。
不要试图把排名报告和文件内容拼在一起,去识别是谁打开了扫描器。本站收不到那个文件。这些页面使用的可见性手段是可读的标题、普通的站内链接和站点地图。
假设有一页关于分享 JPEG 的说明。它需要标题、一个 H1,以及一条指向照片扫描器的普通链接,才适合放进站点地图。示例图片是另一项选择。先用照片扫描器检查那张 JPEG。如果存在已支持的 GPS 字段,就清理已支持的元数据,再次扫描下载的文件,然后再把清理后的文件放到公开网址上。
图片说明里不要写真实姓名、家庭住址,或能识别某人的文件名。这个虚构页面不需要访客识别脚本,也可以从首页目录被链接到。例子里的说法不是案例研究,本页也不声称按这些步骤就能获得排名。
不会。站点地图列出的是公开页面网址,例如 /photo 和各篇指南。在扫描器里打开文件不会把该文件加进站点地图,扫描器也不会把文件提交到 PrivacyFileLab。
/hvac-cost-comparison 仍然可以打开。它被标为 noindex,X-Robots-Tag 响应头重复了这一点,站点地图也不收录它,因为它是保留的计算器,而不是文件隐私工具。文件工具页脚不链向它。noindex 是对爬虫的请求,不是给网址上锁。
这个应用不加载第三方分析 SDK。扫描结果仍然不是文件已经匿名的证明。画面内容、这个版本没有列出的元数据,以及你后来公开发布的文字,即使没有分析脚本运行,也可能识别出一个人。