站点地图（sitemap）常被当成“提交了就等着收录”的工具，实际上它只解决一件事：把 URL 主动告诉搜索引擎，减少纯靠链接爬行带来的遗漏。至于是否抓取、是否收录，仍由搜索引擎根据页面质量和站点整体情况判断。所以更值得花时间的，是放对文件、写对内容、保持更新。
文件放在哪，怎么被找到
最省事的做法是把 sitemap.xml 放在站点根目录，然后在 robots.txt 里用 Sitemap 行声明它的完整地址。这样即使没人手动提交，爬虫也能顺着 robots.txt 找到它。
如果站点有多个子域或目录，可以分别生成，再汇总到一个索引文件里。需要注意：一份 sitemap 里通常只能放同一站点（同协议、同主机）下的 URL，把别的域名塞进来一般会被忽略。子域、独立域名各自提交，读起来也更清楚。
单文件的上限与拆分方式
单个 sitemap 文件有两条硬上限：URL 数量（通常 50,000 条）和文件体积（未压缩约 50MB）。任意一条超了就要拆。
拆分有两种思路：按内容类型分（文章、商品、栏目），或按时间分（按月归档）。前者便于单独观察某一类页面的抓取表现，后者便于控制单文件大小。拆完之后用 sitemap index 文件把子文件列出来，只提交这一个索引地址即可。
子文件建议放在同一目录下，路径别写错——一个 404 的子文件会让那一整块 URL 白提交。文件较大时可以 gzip 压缩，但要确保声明的地址指向压缩后的文件，且文件名后缀与内容一致。
哪些 URL 该放进去
- 返回 200、允许被抓取、且希望出现在索引里的规范 URL。
- 新上线、站内链接较少、靠爬行不容易被发现的页面。
- 正文更新过、希望尽快被重新抓取的重要页面。
反过来，下面这些不建议放：
- 设置了 noindex 的页面，两者诉求互相矛盾。
- 会 301、302 跳转的旧地址，直接写跳转后的目标更有效。
- 404、410 或根本不存在的地址。
- 带大量参数的筛选、排序 URL，除非这些页面确实需要被索引。
- 分页、标签、站内搜索结果页等低价值或重复度高的地址，是否放入要看站点策略。
容易踩的几个误解
提交等于收录
不是。sitemap 只影响“发现”，页面能否进索引取决于内容质量、重复程度、站点整体可信度等。提交后长期不收录，应该回头查页面本身，而不是反复提交。
URL 塞得越多越好
把无价值页面一起塞进去，既稀释了有效信号，也占用抓取资源。宁少而准。
lastmod 随便填
时间戳与页面实际修改情况不符时，会被判断为不可靠，之后即使真的更新也难获得优先抓取。模板批量改动导致全站时间一起变化的情况尤其要注意。
索引文件里混入错误地址
索引文件本身也是 XML，里面的子文件地址必须可访问、可解析。一个子文件返回错误，可能连累对整份提交有效性的判断。
维护节奏与自查顺序
- 确认 robots.txt 中声明的地址能正常打开，返回 200 且内容是 XML。
- 检查是否有 noindex、重定向、404 地址混入，先清理掉。
- 核对 URL 数量与文件体积是否接近上限，接近就拆分。
- 子文件地址逐一验证，再用索引文件统一提交。
- 新增页面按天或按小时更新，下线页面及时移除，别只增不减。
- 隔一段时间对比“已提交”与“已收录”的数量差，差异大的那部分才是要重点分析的对象。
sitemap 能保证的是“你告诉过它”，不是“它会收录”。把它当成一份干净、及时、可维护的 URL 清单，比当成收录开关更接近它的实际作用。