PDFs en los resultados de búsqueda de Google

Jueves, 01 de septiembre de 2011

Nuestra misión es organizar la información del mundo y hacerla universalmente accesible y útil. Durante esta ambiciosa misión, a veces nos encontramos con archivos que no son HTML, como archivos PDF, hojas de cálculo y presentaciones. Nuestros algoritmos no permiten que los diferentes tipos de archivos los ralenticen; trabajamos duro para extraer el contenido relevante y indexarlo adecuadamente para nuestros resultados de búsqueda. Pero, ¿cómo indexamos realmente estos tipos de archivos y, dado que a menudo difieren tanto del HTML estándar, qué directrices se aplican a estos archivos? ¿Qué pasa si un webmaster no quiere que los indexemos?

Google
comenzó a indexar archivos PDF por primera vez en 2001
y actualmente tiene
cientos de millones de archivos PDF indexados. Hemos recopilado las preguntas más frecuentes sobre la indexación de PDF; aquí están las respuestas:

P: ¿Puede Google indexar cualquier tipo de archivo PDF?
R: Generalmente podemos indexar contenido de texto (escrito en cualquier idioma) de archivos PDF que utilicen varios tipos de codificación de caracteres, siempre que no estén protegidos con contraseña o cifrados. Si el texto está incrustado como imágenes, podemos procesar las imágenes con algoritmos
OCR
para extraer el texto. La regla general es que si puedes copiar y pegar el texto de un documento PDF en un documento de texto estándar, deberíamos poder indexar ese texto.

P: ¿Qué pasa con las imágenes en los archivos PDF?
R: Actualmente las imágenes no están indexadas. Para que podamos indexar tus imágenes, debes crear páginas HTML para ellas. Para aumentar la probabilidad de que devolvamos tus imágenes en nuestros resultados de búsqueda, lee las
Google Images best practices.

P: ¿Cómo se tratan los enlaces en los documentos PDF?
R: Generalmente, los enlaces en los archivos PDF se tratan de manera similar a los enlaces en HTML: pueden pasar PageRank y otras señales de indexación, y podemos seguirlos después de haber rastreado el archivo PDF. Actualmente no es posible utilizar enlaces
nofollow
dentro de un documento PDF.

P: ¿Cómo puedo evitar que mis archivos PDF aparezcan en los resultados de búsqueda o, si ya aparecen, cómo puedo eliminarlos?
R: La forma más sencilla de evitar que los documentos PDF aparezcan en los resultados de búsqueda es añadir un
X-Robots-Tag: noindex en la cabecera HTTP utilizada para servir el archivo. Si ya están indexados, desaparecerán con el tiempo si utilizas el X-Robot-Tag con la regla
noindex . Para eliminaciones más rápidas, puedes utilizar la
URL removal tool
en Google Webmaster Tools.

P: ¿Pueden los archivos PDF posicionarse alto en los resultados de búsqueda?
R: ¡Claro! Generalmente se posicionarán de manera similar a otras páginas web. Por ejemplo, en el momento de esta publicación,
mortgage market review,
irs form 2011, o
paracetamol expert report
devuelven documentos PDF que logran posicionarse alto en nuestros resultados de búsqueda, gracias a su contenido y a la forma en que están incrustados y enlazados desde otras páginas web.

P: ¿Se considera contenido duplicado si tengo una copia de mis páginas tanto en HTML como en PDF?

R: Siempre que sea posible, recomendamos servir una sola copia de tu contenido. Si esto no es posible, asegúrate de indicar tu versión preferida incluyendo, por ejemplo, la URL preferida en tu sitemap o especificando la versión canónica en el HTML o en las
HTTP headers
del recurso PDF. Para más consejos, lee nuestro artículo del Centro de Ayuda sobre
canonicalization.

.
P: ¿Cómo puedo influir en el título que se muestra en los resultados de búsqueda para mi documento PDF?

R: Utilizamos dos elementos principales para determinar el título mostrado: los metadatos del título dentro del archivo y el texto de anclaje de los enlaces que apuntan al archivo PDF. Para dar a nuestros algoritmos una señal fuerte sobre el título adecuado a utilizar, recomendamos actualizar ambos.
Si quieres obtener más información, mira el vídeo de Matt Cutts sobrePDF files’ optimization for search
y visita nuestro
Help Center
para obtener información sobre los tipos de contenido que podemos indexar. Si tienes comentarios o sugerencias, háznoslo saber en el.

Webmaster Help Forum
.Publicado por