Sitemap 的作用是把站内值得被抓取的地址，用一份清单交给搜索引擎。它不是收录的保证书，但清单本身是否准确、是否及时更新，会直接影响搜索引擎发现新页面的效率。很多站点的问题不在于没有 sitemap，而在于这份文件经年累月没人管，指着的全是已经改版、下线或合并过的地址。

一份能用的 sitemap 应该是什么样

• 里面列出的每个地址，访问时都能正常返回内容，而不是跳转或报错；
• 只放你希望被收录的页面，登录后页面、后台入口、站内搜索结果页、筛选参数页不该出现；
• lastmod 反映内容真正改动的时间，而不是每次生成时统一刷成当前时间；
• 能随内容发布自动更新，不需要人工手动导出；
• 在 robots.txt 中写明位置，并提交到对应的搜索平台后台。

逐项自查

一、清单里的地址是否还活着

抽一批地址批量请求一遍，看返回的状态码。返回 404、410 的应从 sitemap 中移除；返回 301、302 的，最好直接换成跳转后的最终地址。长期保留失效地址，等于反复告诉搜索引擎这里没东西。

二、有没有混进不该出现的页面

常见误入的有：登录与注册页、购物车、后台入口、带 session 参数的地址、站内搜索结果页、被 meta noindex 标记的页面。sitemap 与 noindex 同时存在是自相矛盾的信号，而且很容易被忽略。

三、lastmod 是否可信

有些程序每次生成 sitemap 都把时间刷成当天，蜘蛛来过几次发现内容没变，就会逐渐降低对这个字段的信任。宁可留空，也不要写假时间。

四、参数页与重复地址

带 utm、排序、筛选参数的地址，如果内容与主地址基本一致，就不要放进去。真正需要单独列出的筛选组合通常数量有限，且应先确认它们有独立价值。

五、数量与体积限制

单个 sitemap 文件一般不超过 5 万条地址、未压缩不超过 50MB。超过就拆成多个文件，再用 sitemap index 串起来。分片之后记得提交索引文件，而不是提交某一个分片。

六、更新与提交

检查生成任务是否还在跑，是否因为某次改版被停掉。生成之后确认 robots.txt 里的 Sitemap 行指向正确地址，并在搜索平台后台看提交状态和已发现地址数量的变化趋势。

几个容易踩的坑

• robots.txt 里屏蔽了某个目录，sitemap 里却还在列这个目录的地址；
• 网站换域名后，旧域名的 sitemap 仍在更新；
• XML 格式出错，比如特殊字符没有转义、编码不是 UTF-8，导致整份文件读不了；
• 多语言站点没有区分语言版本，或缺少对应的 hreflang 关系。

一个轻量的检查节奏

1. 每月抽检一批地址的状态码，处理死链与重定向；
2. 每次大改版或调整栏目后，重新核对 sitemap 的覆盖范围；
3. 每季度检查生成任务、robots.txt 引用和平台提交状态；
4. 把检查结果记在运营笔记里，方便对比变化。

sitemap 不会替你争取收录，它只是把门牌号写清楚。门牌号写得准，来的人才少走冤枉路。

这件事花不了多少时间，但拖久了，代价是搜索引擎对新内容的发现速度变慢，而这个变化往往不会给你明显的提示。