页面体积检测：有没有踩到 Googlebot 的 2MB 抓取上限

Google 官方文档写得很明确：Googlebot 抓取网页时只处理每种文件类型的前 2MB 解压后内容（PDF 为 64MB），超出部分不参与索引，也不会被用于渲染。注意关键词是「解压后」——也就是说，开启 gzip 或 brotli 压缩对这条限制毫无帮助，必须真正把页面瘦下来。

这件事对 SEO 的杀伤容易被低估：超出的那部分内容不是「没那么重要」，而是彻底不存在。正文后半段里的关键词、页面底部的内链、尾部的结构化数据，Google 和依赖 Google 索引的 AI 全都看不到。

哪些东西最容易把页面撑大

• 内联 JavaScript——最常见也最致命。把整个前端框架、埋点脚本、组件配置直接写进 HTML，动辄几百 KB 到 1 MB。
• 内联 CSS——为了追求首屏速度把全站样式塞进 <style>，代价是每页 HTML 都背上同样的体积。
• 超大的 JSON-LD——结构化数据本身是好东西，但把整站商品列表或历史文章全量写进 JSON-LD 就会失控。
• data URI 内嵌资源——base64 编码会让体积膨胀约 1.33 倍，还无法单独缓存。
• 构建残留与注释——调试标记、未清理的注释、重复的 source map 引用，都会被计入 2MB。

怎么判断自己是否踩线

不要凭感觉，也不要看浏览器开发者工具里的传输大小——那里显示的是压缩后的值。要判断有没有超 Googlebot 的上限，必须看解压后的 HTML 字节数。一般建议把页面控制在 1.5MB 以内，给内容增长留出余量；逼近 2MB 时就该动手瘦身了。

常见问题

2MB 限制是按压缩前还是压缩后算的？

按解压后的未压缩数据计算，不是服务器发出的 gzip 或 brotli 压缩内容。这意味着开启传输压缩无法绕过这个限制，必须真正减少页面体积。本工具抓取时已让程序自动解压，因此显示的数值就是 Googlebot 实际计入的大小。

什么情况会导致页面体积超标？

常见有四类：一是把大量 JavaScript、CSS 直接内联在 HTML 里；二是嵌入超长文本或数据块，比如把整站数据写进 JSON-LD；三是内容以 base64 data URI 形式内嵌图片或字体，体积会膨胀约 1.33 倍；四是构建工具或调试插件留下的冗余代码与注释。

超出 2MB 会有什么后果？

Googlebot 只处理每种文件类型的前 2MB 解压后内容，超出部分不参与索引与渲染。后果是页面尾部的内容、链接和结构化数据全部失效——正文后半段抓不到，页面底部的内链也发现不了，进而影响整站的抓取覆盖。

sitemap 的 XML 文件也受这个限制吗？

不受。Sitemap 的 XML 有独立规则：单个未压缩文件上限为 50MB 或 50000 个 URL，远高于网页 HTML 的 2MB 限制。本工具检测的是网页 HTML，不适用于 sitemap。