很多站点把 sitemap 当成收錄開關：文件生成、提交、等结果。它的實际定位更接近一份「推荐清單」，作用是帮搜尋引擎更快發現 URL，至于抓不抓、收不收，仍取决于頁面本身和站点整体质量。
sitemap 只解决「發現」這一环
搜尋引擎發現 URL 的主要途径仍是站内連結。sitemap 的價值在于补上連結覆盖不到的部分：新發布的頁面、层級很深的頁面、内鏈較少但确實有價值的頁面。它不會让低质量頁面被收錄，也不會绕過 noindex 或 robots.txt 的限制。
所以「sitemap 里的 URL 數和索引數對不上」是常態。两者本就不是同一口径：前者是你声明的候選集合，後者是搜尋平台判断後的结果。
哪些 URL 该放進去
- 返回 200，内容對用戶有實际價值
- 頁面自身可索引，没有 noindex，也没被 robots.txt 屏蔽
- canonical 指向自己，或明确指向另一個規范版本（此时放規范版本即可）
- 主要靠 JS 渲染的頁面，服務端最好能返回基础内容
反過来，這些不适合放：重定向地址、404 或 410 頁面、被 noindex 的頁面、篩選和排序參數组合出的临时 URL、纯占位或空壳頁。把明顯不该收錄的 URL 塞進去，除了浪費抓取配額，也會让整份文件的資料變得不可信。
格式和規模上的几個坑
- 單個 sitemap 有 5 萬條 URL、50MB 未压缩的上限，超過就用 sitemap index 分片
- 地址要用绝對 URL，參數和特殊字符按規范编碼
- lastmod 要反映真實修改時間，不要每次生成都刷成当天
- 有多個 sitemap 时，確認 index 文件里都列全，且每個子文件能正常訪問
怎么判断 sitemap 有没有被用上
最直接的方法是看抓取日誌。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，之後有没有出現抓取记錄。如果文件很久没被訪問，先检查是否被 robots.txt 誤屏蔽、文件是否可訪問、提交位置是否正确。
搜尋平台後台的 sitemap 报告會给已發現 URL 數和格式错誤提示，可以對照着修，但报告里的數字不直接等于收錄量，把它当成「提交是否成功」的检查項更合适。
它替代不了内鏈
一個只在 sitemap 里出現、站内没有任何入口的頁面，即使被發現，抓取優先級通常也很低。正常做法是：先保證重要頁面能從導航、列表頁或正文連結点到，再用 sitemap 补漏。两者是叠加關系，不是替代關系。
一個可执行的核對顺序
- 確認 sitemap 文件可訪問、格式無誤，並已在後台提交
- 核對 robots.txt 没有屏蔽 sitemap 及其中的 URL
- 用抓取日誌確認文件被訪問，並观察其中 URL 是否被逐步抓取
- 對長期只出現在 sitemap、始终没被抓取的頁面，回头补内鏈或评估内容價值
- 定期清理已失效、已改版重定向、已 noindex 的舊條目
sitemap 是基础设施，不是加速按钮。把它维護干净、和站内連結配合好，URL 發現會顺一些；指望靠它單獨解决收錄問题，往往會失望。