很多站点把 sitemap 当成收录开关：文件生成、提交、等结果。它的实际定位更接近一份「推荐清单」，作用是帮搜索引擎更快发现 URL，至于抓不抓、收不收，仍取决于页面本身和站点整体质量。
sitemap 只解决「发现」这一环
搜索引擎发现 URL 的主要途径仍是站内链接。sitemap 的价值在于补上链接覆盖不到的部分：新发布的页面、层级很深的页面、内链较少但确实有价值的页面。它不会让低质量页面被收录，也不会绕过 noindex 或 robots.txt 的限制。
所以「sitemap 里的 URL 数和索引数对不上」是常态。两者本就不是同一口径：前者是你声明的候选集合，后者是搜索平台判断后的结果。
哪些 URL 该放进去
- 返回 200，内容对用户有实际价值
- 页面自身可索引，没有 noindex，也没被 robots.txt 屏蔽
- canonical 指向自己，或明确指向另一个规范版本（此时放规范版本即可）
- 主要靠 JS 渲染的页面，服务端最好能返回基础内容
反过来，这些不适合放：重定向地址、404 或 410 页面、被 noindex 的页面、筛选和排序参数组合出的临时 URL、纯占位或空壳页。把明显不该收录的 URL 塞进去，除了浪费抓取配额，也会让整份文件的数据变得不可信。
格式和规模上的几个坑
- 单个 sitemap 有 5 万条 URL、50MB 未压缩的上限，超过就用 sitemap index 分片
- 地址要用绝对 URL，参数和特殊字符按规范编码
- lastmod 要反映真实修改时间，不要每次生成都刷成当天
- 有多个 sitemap 时，确认 index 文件里都列全，且每个子文件能正常访问
怎么判断 sitemap 有没有被用上
最直接的方法是看抓取日志。一是 sitemap 文件本身有没有被定期抓取；二是其中那些主要靠 sitemap 暴露的 URL，之后有没有出现抓取记录。如果文件很久没被访问，先检查是否被 robots.txt 误屏蔽、文件是否可访问、提交位置是否正确。
搜索平台后台的 sitemap 报告会给已发现 URL 数和格式错误提示，可以对照着修，但报告里的数字不直接等于收录量，把它当成「提交是否成功」的检查项更合适。
它替代不了内链
一个只在 sitemap 里出现、站内没有任何入口的页面，即使被发现，抓取优先级通常也很低。正常做法是：先保证重要页面能从导航、列表页或正文链接点到，再用 sitemap 补漏。两者是叠加关系，不是替代关系。
一个可执行的核对顺序
- 确认 sitemap 文件可访问、格式无误，并已在后台提交
- 核对 robots.txt 没有屏蔽 sitemap 及其中的 URL
- 用抓取日志确认文件被访问，并观察其中 URL 是否被逐步抓取
- 对长期只出现在 sitemap、始终没被抓取的页面，回头补内链或评估内容价值
- 定期清理已失效、已改版重定向、已 noindex 的旧条目
sitemap 是基础设施，不是加速按钮。把它维护干净、和站内链接配合好，URL 发现会顺一些；指望靠它单独解决收录问题，往往会失望。