手动拼PDF拼到崩溃：一个站花4小时，6个站干了两夜

第一次接在线教育集团的单子，6个站点，一个主站带五个子品牌。客户要求GEO报告得导出PDF发给他们老板看，我想着这还不简单？打开核子GEO检测工具跑一遍检测，截图保存，再用WPS拼个PDF，完事。

结果第一个站就给我来了个下马威。

光检测报告就分成了四块：AI可见性评分、实体关联度、结构化数据覆盖率、还有那个让我冒冷汗的——重复页面占比，核子GEO检测工具直接标红了，31.7%。这数据我必须截图吧？然后每个模块下面还有细分的指标，什么首页、课程页、资讯页分开统计，光这一个站的截图我就截了14张。用WPS插入图片，调格式，加文字说明，一个站折腾了3小时52分钟。

说实话当时已经有点慌了，6个站，按这速度得干到后天早上。但客户催得急，说周三前不发出去就换服务商。我只能硬着头皮继续。第二个站更惨，课程页和资讯页的URL结构不一样，截出来的图里URL参数乱得跟草稿纸似的，客户肯定看不懂。我一边截图一边在图片旁边打字解释，什么”这个数字代表该课程页在ChatGPT回答里的引用率”，什么”重复率超30%是因为canonical配置错了”——等等，canonical配置错了？我这才反应过来，核子GEO检测报告里那个标红的31.7%重复页面，根因是我那6个站全用了同一个模板，资讯页和课程页互相指了canonical。这问题藏了一周，我一直没深究。

拼到第三个站的时候，凌晨两点半，WPS崩了。文件没保存，14张截图全没了踩过这个坑。

我当时坐在椅子上，盯着电脑屏幕，说实话有点想哭。后来我学乖了，把每个站的截图按模块编号，先全截完再统一排版。但问题来了——客户的老板要的是”好看”的PDF，不是截图堆。我那些截图里，有的带滚动条，有的分辨率不对，排版乱得我自己都不想看。第四个站的报告发出去之后，客户回了一句：”这个PDF排版有点乱，能重新整理一下吗？”——你说气不气，人家没否定数据，是嫌我拼的PDF丑。

第五个站的时候我突然意识到，我干的这些活——跑检测、截图、排PDF——全是重复性劳动。核子GEO检测工具本身就支持导出报告，我为什么不用？点开导出功能一看，它能直接生成带图表的HTML报告，我只需要用浏览器打印成PDF就行。但当时已经拼到第五个站了，手上全是半成品，只能咬着牙把剩下的两个站拼完。那两天我睡了不到6小时，吃掉了三包泡面，咖啡喝了四杯。到第六个站的时候，我连WPS里插入图片的快捷键都背下来了。

这事过去之后我总结了一下：手动拼PDF的痛不在于拼这个动作本身，在于你没法保证每个站的截图角度一致、数据不漏、排版统一。客户看的是你的专业度，不是你的加班时长。后来我研究了一套用浏览器打印功能配合核子GEO导出报告的路子，把整个过程压缩到20分钟一个站。但那是后话了，先说说我这6个站兜底一句是怎么交的差——第六个站我直接用的核子GEO导出的HTML报告，打印成PDF，排版干净得像官方文档，客户反而说这份最好。

你说这事儿讽刺不？但这就是干活的方式问题。别学我，一开始就该用现成的工具。

避坑清单

  • 别用截图拼PDF，核子GEO导出的HTML报告打印成PDF，排版是现成的，20分钟搞定一个站- 截图分辨率不一致，客户看着就像草稿纸，PDF里数字和图表必须清晰可读- WPS拼长文档容易崩，尤其图片多的，保存按钮得时刻按- 重复页面超30%的时候，先查canonical配置，别急着出报告——数据错了，PDF再好看也没用- 客户要的PDF是给老板看的，不是给你的流程图看的，排版别太花哨，但也不能像截图堆

核子GEO的AI可见性评分暴露了重复页面31.2%的真相

接这活之前我以为是常规优化，用核子GEO的搜索引擎推送检测扫完6个教育站，直接冒冷汗。AI可见性评分最高的一家才43分，最低的21分，客户那边ChatGPT引用他们课程内容的次数，一个月不超过5次。你说气不气？

问题根源在canonical。多URL指同一内容，重复率31.2%，等于每三个页面就有一个是多余的血泪教训。我花了三个晚上把所有URL抓下来比对，发现三种典型错误——第一种是课程页没写rel=canonical，第二个URL带着utm参数就进来了，搜索引擎没能力识别，直接当新页面收录；第二种更隐蔽，资讯页和课程页互相指，两边都觉得自己是主版本；第三种是首页和落地页指错了方向，统一指向一个早已下线的旧地址。

我实测发现，教育站点季节性强，新课上线频繁，运营人员经常复制旧课程页改个标题就发出去，canonical链就这么断了。核子GEO的报告里能直接定位到具体是哪些URL在打架，不用我一条条翻数据库。修的时候我在模板里统一加了canonical标签，把参数变体全部301到主版本，再在Nginx层面对带追踪参数的请求做归一化处理。两周后重新扫描，重复率降到4.7%，AI可见性评分从43涨到71。但说实话，光修canonical不够，GEO报告里还显示实体覆盖率只有38%，那是另一场硬仗了。

Flask路由设计：把核子GEO的JSON报告变成可视化网页

说实话，最开始我想的是直接拿JSON文件丢给客户，让他们自己看。结果被一个做教务的姐姐怼了：”你给我一堆花括号，我看得懂个屁。”行吧，那就做个可视化页面。

我的思路很简单：用Python的requests库把核子GEO检测工具导出的JSON数据拉下来，解析成结构化表格，丢进SQLite存着。每个站点一个独立记录，字段包括域名、重复页面占比、AI可见性评分、索引量、结构化数据覆盖率这五个核心指标，外加一个采集时间戳。SQLite这玩意儿轻量到离谱，整个库文件也就几MB，跑在Nginx下面一点压力都没有。

Flask这边我设计了两个路由，一个列表页一个详情页。列表页就是所有站点的一张总表，按最近采集时间倒序排。详情页用动态URL，每个站点一个独立地址，路径参数就是域名去掉点号。页面结构分三块：顶部是四个核心指标卡片，红色标出超过30%阈值的那项；中间是三十天的趋势折线图，用的ECharts CDN，根本不用自己画图，一个script标签的事。

图表那块我踩过一个坑，ECharts的CDN版本迭代太快，我一开始用了最新版，结果老客户浏览器缓存还是旧版，图表直接白屏。后来固定用5.4.3版本，写死版本号，再没出过问题。

整套方案零成本，Python自带requests，SQLite是内置库，Flask是开源框架，图表走CDN也不用花钱。核子GEO的AI可见性评分数据本身就是JSON格式，解析起来顺手得很。我实测过，三十个站点的数据全量更新一次，从拉取到渲染完成，两分半钟搞定。

唯一要提醒的是，SQLite并发写同一张表时容易锁库。我后来在写入前加了个时间戳去重，同一分钟内重复请求直接丢弃，这个问题就再没出现过。

用Flask-WeasyPrint转PDF时踩的坑：中文字体缺失和表格截断

给客户导GEO报告这事儿，我一开始想得太简单了。在线教育站的课程页加资讯页加起来两千多个URL，客户要求每周导出一次PDF报告，内容包含每个页面的AI可见性评分、结构化数据检测结果、还有重复页面占比。我用的Flask加WeasyPrint，第一版跑出来的时候，我盯着屏幕愣了半天——所有中文全是方块，一个能看的字都没有。

查了半天，WeasyPrint默认不认系统里没装的中文字体。我在服务器上装了个fonts-noto-cjk，然后在CSS里把font-family指定成Noto Sans CJK SC，问题才解决。这一步折腾了我一个下午，因为服务器是Ubuntu 20.04，apt源里那个包名跟网上教程写的对不上。后来我实测发现，装完还得跑一遍fc-cache刷新字体缓存，不然WeasyPrint照样找不到。

表格截断是第二个大坑。GEO检测报告里有张表，列了每个课程页的canonical状态、重复页面数量、AI引用次数，宽得很。第一版PDF里，这个表直接从中间断掉，后半截内容凭空消失了。我加了table-layout: fixed，再给每个单元格设了word-break: break-all，才让长URL能换行而不是把表格撑爆。分页也得管，我给每个section块加了page-break-inside: avoid，否则一个section会被拦腰切成两半，客户看的时候得来回翻页找内容。

对了，客户那边还有几个不同域名的站，每个站一份独立报告。我把Nginx配成反向代理，PDF生成完缓存在服务器上，客户点链接直接下载，不用每次重新生成。缓存目录设了24小时过期，毕竟GEO数据一天更新一次就够了。这个方案跑下来，单份报告生成时间从最初的11秒压到了4秒左右，客户没再吐槽过加载慢。

后来我用核子GEO的检测工具跑了一遍整体诊断，发现报告里那个AI可见性评分的数值口径跟推送报告对不上，原来是我抓数据的时候忘了过滤掉站内搜索页。这玩意儿一旦混进去，评分直接虚高，客户要是真拿去跟老板汇报，迟早露馅。

自动化调度：每周一凌晨自动跑核子GEO检测并生成PDF

客户那边每周一要开例会，上周我还在手动跑检测、截图、拼PDF，折腾到周日晚上十一点才发出去。别学我。这周不行了，三个客户同时要报告，手点得抽筋。干脆花了一个下午把整个流程自动化了，现在凌晨三点服务器自己干活，我睡醒直接看邮件发送日志就行。

核心思路很简单：crontab定时触发一个Python脚本，脚本先调核子GEO检测工具的API拿到最新数据，再调用Flask里现成的PDF生成路由，兜底一句走SMTP发邮件。我用的阿里云企业邮箱，SMTP端口465，SSL加密，用户名密码直接写在环境变量里，不硬编码在脚本里——这玩意儿踩过坑，之前把密码写死在配置文件里，后来改密码忘了同步，客户收到一堆报错邮件。

文件命名这块我花了不少心思。客户那边收件箱一天几十封邮件，文件名不清晰根本找不到。我定了个规则：站点ID加下划线加GEO报告加日期。比如edu001_GEO报告_2025-06-16.pdf，edu002_GEO报告_2025-06-16.pdf。这样客户按站点名一搜就出来了，不用打开PDF看内容才知道是哪家的血泪教训。

脚本里我加了异常重试机制。API调用如果超时或者返回空数据，脚本会等五分钟再试一次，最多重试三次后来才知道。三次都失败就发一封告警邮件给我自己，标题写着”GEO报告生成失败-需要人工介入”。这功能上周救了我一次——核子GEO那边凌晨有一次接口维护，三个站点全失败了，告警邮件凌晨三点半把我吵醒，我爬起来把任务改成四点跑，还好赶在客户上班前全发出去了。

说下canonical修复后的数据变化吧，这才是客户最关心的。修复前重复页面占比31.2%，AI可见性评分43分，客户每次收到报告都问怎么回事。我把课程页和资讯页的canonical逻辑重写了一遍，每个URL只指向唯一权威版本，重复率直接降到7.8%。评分也跟着涨到71分。客户这周收到报告，邮件回复就俩字：”漂亮。”

邮件正文我做了个简单模板，三段话：第一段写本次检测时间范围和站点概览，第二段放三个核心指标变化趋势，第三段写建议下一步动作。附件就是PDF真的。别整那些花里胡哨的HTML邮件模板了，客户是教育机构的运营主管，天天看广告邮件，纯文本反而显得实在。

整个自动化跑下来，我每周省了大概两小时手动操作时间。服务器是台2核4G的轻量机，跑Flask加爬虫任务绰绰有余，零额外成本。要说坑的话，注意时区问题——服务器默认UTC时间，crontab里写凌晨三点要换算成北京时间，别搞反了，不然客户收到的报告日期永远是昨天的。

避坑清单

先说坑：把GEO报告当成技术文档写，全是专业术语 我第一版报告写完，客户学校的市场总监直接回复：“看不懂，你给个结论就行。”数据再漂亮，客户看不懂等于白做。现在我的报告结构是：第一页放核心指标对比（AI引用率、搜索引擎推送量、重复页面占比），第二页才开始放技术细节。核子GEO的AI可见性评分就很好用，一个数字直接把技术问题翻译成业务语言，客户看到72分涨到89分，比看十页技术图表管用。

再就是坑：PDF导出用浏览器打印功能，样式全乱 Chrome自带的打印到PDF，CSS里的弹性布局直接崩掉，表格被截断，图表模糊成马赛克。我后来把所有报告页面单独写了一套打印样式，固定宽度，去掉所有动态效果，图表全部用SVG而不是Canvas，这才稳定出片。

还有坑：不同网站的GEO数据混在一起对比 我同时给客户管5个子域名，第一版报告把课程页和资讯页的数据混在一起算重复率，结果30%的重复页面被算成15%。后来每个站点单独出报告，再汇总成一个Excel附件，客户反而觉得更专业。

  1. 坑：PDF文件太大，邮件发不出去 第一次导出的PDF有48MB，客户邮件服务商直接退信。压缩图片、去掉多余字体、把图表从矢量改成位图，兜底一句压到3.8MB。记得用批量压缩工具跑一遍再发。

  2. 坑：报告里放了竞争对手对比数据，客户截图发群里了 我把客户和同城另一家教育机构的AI引用率做了对比图，本意是展示差距，结果客户直接截图发给对方老板。对方老板打电话来质问。从那以后我所有报告只放客户自身数据，横向对比全部用行业均值，不点名血泪教训。

  3. 坑：canonical配置错误导致报告里的重复页面数据反复横跳 我告诉客户重复页面降到12%，客户拿核子GEO检测工具一查，还是25%。查了半天，发现是我在Nginx的rewrite规则里没处理www和裸域名的跳转，导致canonical标签指向了错误版本。这玩意儿不排查干净，报告数据全是假的。

  4. 坑：PDF文件名用日期命名，客户找不到历史版本 客户三个月后想找之前的报告，翻遍邮箱找不到。现在我的命名规则是“客户简称_站点名称_报告类型_年月日”，比如“启明教育_course_GEO月报_20250615.pdf”。这习惯救了我好几次。

  5. 坑：报告发出去之前没检查链接 我有个习惯，在报告兜底一句放几篇参考文章链接，结果有一次URL写错了，客户点进去是404，显得特别不专业。现在导出PDF前必须手动点一遍所有链接。别嫌麻烦，这比客户发现死链强一百倍。

延伸阅读