PDF of webpagina: wat laat je indexeren?

Zoekmachines behandelen een PDF-bestand op een vergelijkbare manier als een HTML-pagina: de tekst wordt uitgelezen, links binnen het document worden gevolgd en het bestand kan als afzonderlijk zoekresultaat verschijnen. Dat betekent dat een gedetailleerde catalogus of handleiding in PDF-formaat organisch verkeer kan aantrekken. Er zijn echter duidelijke verschillen op het vlak van technische sturing.

Waar je op een gewone HTML-pagina eenvoudig een meta tag of een standaard link-element in de broncode plaatst, bevat een PDF geen HTML-head. Wil je voorkomen dat zoekmachines een PDF indexeren of wil je het document toewijzen aan een originele webpagina, dan moet je terugvallen op serverinstellingen of HTTP-headers. Het is cruciaal om te begrijpen dat een bestand dat via robots.txt wordt geblokkeerd voor de crawler, alsnog in de zoekresultaten kan verschijnen als er externe links naar verwijzen. Om de indexering en de weergave van je documenten precies te beheren, moet je daarom de juiste technische stappen toepassen.

Om te bepalen of je een document als een vaste HTML-pagina dan wel als een los PDF-bestand publiceert, weeg je het doel, het beheer en de toegankelijkheid tegen elkaar af. De onderstaande matrix helpt je bij het maken van een gestructureerde keuze voor jouw kmo.

Als praktische voorkeur kun je regelmatig wijzigende informatie centraal op een goed beheerde HTML-pagina aanbieden. Het bestandsformaat alleen bewijst geen actualiteit, toegankelijkheid of betere ranking. Documenten die primair dienen als printbaar naslagwerk kunnen als PDF blijven bestaan, mits de juiste technische randvoorwaarden zijn ingesteld.

Bevat een document vertrouwelijke klantinformatie, kies dan eerst hoe toegang wordt afgeschermd. Zowel een openbare HTML-pagina als een publiek bereikbare PDF kan door onbevoegden worden gelezen of gedeeld. Een canonical of noindex is geen authenticatie. Test de bestemming daarom ook zonder aangemelde sessie en met een account dat geen toegang hoort te hebben. Bewaar slechts een veilig testbestand voor die proef en publiceer geen echte klantdocumenten om de toegang te controleren.

Wanneer de inhoud van een handleiding of productfiche zowel op een webpagina staat als in een downloadbare PDF, zien zoekmachines dit als dubbele inhoud (duplicate content). Om de zoekwaarden te bundelen naar je primaire pagina, stelt Google het gebruik van canonieke URL's voor via de methode van de HTTP-header.

Volgens de documentatie van Google over het bepalen van een canonieke URL via Google Search Central kun je een HTTP-header meesturen voor documenten in een ander formaat dan HTML. Zo'n respons-header ziet er als volgt uit:

Link: <https://www.uwkmo.be/diensten/handleiding>; rel="canonical"

Door deze header in te stellen op het niveau van de webserver (bijvoorbeeld in Nginx of Apache), geef je aan dat de zoekmachine de HTML-pagina moet zien als de hoofdversie. Dit is een voorkeurssignaal bij inhoudelijk equivalente versies. Het garandeert niet dat Google de HTML-pagina kiest of het PDF-bestand nooit toont.

1. Inventariseer alle openbare documenten: Maak een lijst van alle PDF-bestanden en pagina's die momenteel op de server staan en door zoekmachines gedownload kunnen worden.
2. Bepaal de hoofdbestemming: Beslis per document of het de status krijgt van primaire HTML-pagina of dat het uitsluitend als downloadable PDF blijft bestaan.
3. Voeg de nodige HTTP-headers toe: Configureer de server zo dat PDF-bestanden die een HTML-equivalent hebben, een HTTP rel="canonical"-header meekrijgen naar de HTML-URL.
4. Pas geen robots.txt toe als indexeringsbeperking: Gebruik robots.txt uitsluitend als je wilt voorkomen dat de crawler de serverbelasting verhoogt, maar niet om indexering definitief tegen te houden. Een pagina of PDF kan namelijk ook zonder inhoud geïndexeerd worden als er links naar wijzen.
5. Controleer de crawlstatus in Google Search Console: Gebruik de URL-inspectietool om de status van de individuele URL's te verifiëren, zoals beschreven in de handleiding voor het starten met Search Console.

Neem het fictieve voorbeeld van een niet nader genoemd Belgisch installatiebedrijf. In 2023 uploadde de zaakvoerder een bestand genaamd /tarieven-2023.pdf. In 2024 voegde hij /tarieven-2024.pdf toe, en in 2025 publiceerde de kmo een HTML-pagina op /tarieven. Via Google bleef de oude PDF uit 2023 echter hoog scoren, waardoor klanten steeds de verkeerde prijzen te zien kregen.

De beheerder paste de volgende correctie toe: hij stelde op de server een 301-omleiding in van de oude PDF-bestanden (2023 en 2024) naar de centrale HTML-pagina /tarieven. Voor het nieuwe bestand /prijslijst-officieel.pdf, dat klanten kunnen downloaden om af te drukken, stelde hij een HTTP-header in met rel="canonical" naar de webpagina /tarieven. De volgende stap in dit fictieve voorbeeld is verificatie: controleer de redirects en HTTP-header, en kijk na een volgende verwerking in de geïndexeerde gegevens van URL-inspectie welke canonical Google kiest. Er is geen gemeten resultaat of vaste verwerkingstermijn. De PDF blijft voor bezoekers bereikbaar, terwijl de beheerder zijn voorkeur voor de equivalente HTML-bron aangeeft.

Wanneer je wijzigingen hebt doorgevoerd aan de instellingen van je PDF-bestanden of webpagina's, moet je de effectieve verwerking controleren. Volgens de richtlijnen over JavaScript SEO-basisprincipes gebruikt Google specifieke processen voor het crawlen, renderen en indexeren van pagina's. Omdat een gewone browsercontrole alleen laat zien wat een bezoeker ziet en geen zekerheid biedt over hoe een zoekbot de serverrespons interpreteert, voer je een technische controle uit op de HTTP-responscodes.

Gebruik de URL-inspectietool in Google Search Console om te zien welke versie Google heeft geselecteerd als canonieke URL. Als een beheerder instellingen of rechten wijzigt, kan de interface of werking veranderen; controleer daarom altijd de documentatie van je specifieke serversoftware. Wil je daarnaast zicht krijgen op de algemene publieke signalen van je website op het vlak van zoekprestaties en structuur? Je kunt de publieke signalen van je eigen website bekijken via Marketing Scan.