先明确：sitemap 是发现入口，不是收录保证

很多人把 sitemap 当成“提交即收录”的通道，实际上它只是告诉搜索引擎有哪些 URL 可以抓取。抓取之后是否进入索引，还要看页面状态、内容质量、重复程度以及站点整体信号。所以当 sitemap 提交了却不收录，第一步不是反复提交，而是核对 URL 本身和页面信号是否一致。

第一步：核对 sitemap 中的 URL 是否能正常访问

从 sitemap 里抽 10 到 20 个未收录的 URL，逐条手动访问。不要只看浏览器里能不能打开，要确认最终返回的状态和最终地址。

需要记录的信息

• HTTP 状态码是否为 200
• 是否发生跳转，最终落在哪个 URL
• 页面正文是否与预期一致，而不是空壳或报错模板
• 是否需要登录、是否依赖 JavaScript 才能看到内容

如果 sitemap 里写的是 A 地址，访问后却跳到 B 地址，或者返回 404、5xx、软 404，那么这个 URL 本身就不适合作为收录目标。先修正 sitemap 或页面状态，再谈后续。

第二步：核对站内链接与 sitemap 是否指向同一个地址

这是最容易被忽略的一步。站内导航、列表页、相关推荐里如果链接到的是带参数、带大写、带结尾斜杠的版本，而 sitemap 提交的是另一个版本，搜索引擎会收到两套地址信号。

重点检查这些差异

• http 与 https 是否混用
• 带 www 与不带 www 是否同时出现
• 路径大小写是否一致
• 结尾斜杠有无不统一
• 跟踪参数、排序参数是否被站内链接大量使用

处理原则很简单：让站内链接、canonical、sitemap 三者尽量指向同一个 URL。如果暂时无法全部改完，至少保证主要入口链接和 sitemap 一致。

第三步：核对页面上的收录指令

有些页面在 sitemap 里，但页面本身却写着 noindex，或者被 robots.txt 屏蔽，又或者 canonical 指向了别的地址。这些冲突信号会让搜索引擎放弃收录当前 URL。

• meta robots：是否包含 noindex
• X-Robots-Tag：服务器响应头里是否带了 noindex
• canonical：是否指向了另一个 URL
• robots.txt：是否屏蔽了该目录或该参数

sitemap 提交一个 noindex 页面，本身就是矛盾信号。搜索引擎通常会优先相信页面上的 noindex，而不是 sitemap。

第四步：核对内容质量与页面角色

如果 URL 状态正常、指令也放行，但页面仍然不收录，就要看内容本身。常见情况包括：正文过短、模板重复度过高、聚合页只是罗列标题、多个页面之间高度相似、核心内容藏在图片或视频里而没有文字说明。

尤其要区分“工具页”“筛选页”“分页”和“内容页”。不是所有 URL 都值得被索引。把 sitemap 当成全站 URL 清单，往往会把大量低质或重复地址一起提交，反而稀释了真正重要页面的抓取机会。

第五步：核对抓取记录与索引状态

在服务器日志里查一下，搜索引擎蜘蛛最近有没有访问这些 URL。如果没有访问记录，说明问题可能出在发现环节，比如 sitemap 没被读取、站内链接太少、robots.txt 拦截了抓取。如果有访问记录，但索引状态一直不更新，则更可能是页面质量或重复问题。

搜索控制台里的“已发现，尚未编入索引”“已抓取，尚未编入索引”等状态可以作为参考，但不要只盯着状态反复提交。状态描述的是结果，不是原因。

一份可执行的核对顺序

1. 从 sitemap 中选出 10 到 20 个未收录 URL。
2. 逐条访问，记录状态码、跳转链和最终 URL。
3. 对比站内链接、canonical 与 sitemap 地址是否一致。
4. 检查 meta robots、X-Robots-Tag 和 robots.txt 是否放行。
5. 判断页面内容是否与站内其他页面高度重复，是否属于低价值聚合。
6. 查服务器日志，确认蜘蛛是否有抓取记录。
7. 修正明显问题后，更新 sitemap 并保持稳定，不要一天内反复改动。

常见误区

• 认为 sitemap 越大越好，把参数页、重复页全部塞进去。
• 提交后立刻期待收录，忽略了抓取和索引本身需要周期。
• 只改 sitemap，不改站内链接和 canonical。
• 把 sitemap 当成收录保证，而不是发现渠道。

把 sitemap 当作一份需要维护的 URL 清单，而不是一次性任务。先保证地址一致、状态正常、指令放行，再关注内容是否值得被索引，通常比反复提交更有效。