Sitemap 的作用是把站内值得被抓取的地址，用一份清單交给搜尋引擎。它不是收錄的保證书，但清單本身是否准确、是否及时更新，會直接影响搜尋引擎發現新頁面的效率。很多站点的問题不在于没有 sitemap，而在于這份文件经年累月没人管，指着的全是已经改版、下线或合並過的地址。

一份能用的 sitemap 應该是什么样

• 里面列出的每個地址，訪問时都能正常返回内容，而不是跳轉或报错；
• 只放你希望被收錄的頁面，登入後頁面、後台入口、站内搜尋结果頁、篩選參數頁不该出現；
• lastmod 反映内容真正改動的時間，而不是每次生成时统一刷成目前時間；
• 能随内容發布自動更新，不需要人工手動導出；
• 在 robots.txt 中寫明位置，並提交到對應的搜尋平台後台。

逐項自查

一、清單里的地址是否還活着

抽一批地址批量請求一遍，看返回的狀態碼。返回 404、410 的應從 sitemap 中移除；返回 301、302 的，最好直接換成跳轉後的最终地址。長期保留失效地址，等于反复告诉搜尋引擎這里没東西。

二、有没有混進不该出現的頁面

常见誤入的有：登入與註冊頁、购物车、後台入口、带 session 參數的地址、站内搜尋结果頁、被 meta noindex 标记的頁面。sitemap 與 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 都把時間刷成当天，蜘蛛来過几次發現内容没變，就會逐渐降低對這個字段的信任。宁可留空，也不要寫假時間。

四、參數頁與重复地址

带 utm、排序、篩選參數的地址，如果内容與主地址基本一致，就不要放進去。真正需要單獨列出的篩選组合通常數量有限，且應先確認它們有獨立價值。

五、數量與体积限制

單個 sitemap 文件一般不超過 5 萬條地址、未压缩不超過 50MB。超過就拆成多個文件，再用 sitemap index 串起来。分片之後记得提交索引文件，而不是提交某一個分片。

六、更新與提交

检查生成任務是否還在跑，是否因為某次改版被停掉。生成之後確認 robots.txt 里的 Sitemap 行指向正确地址，並在搜尋平台後台看提交狀態和已發現地址數量的變化趋势。

几個容易踩的坑

• robots.txt 里屏蔽了某個目錄，sitemap 里却還在列這個目錄的地址；
• 網站換域名後，舊域名的 sitemap 仍在更新；
• XML 格式出错，比如特殊字符没有轉义、编碼不是 UTF-8，導致整份文件讀不了；
• 多語言站点没有区分語言版本，或缺少對應的 hreflang 關系。

一個轻量的检查节奏

1. 每月抽检一批地址的狀態碼，處理死鏈與重定向；
2. 每次大改版或調整栏目後，重新核對 sitemap 的覆盖范围；
3. 每季度检查生成任務、robots.txt 引用和平台提交狀態；
4. 把检查结果记在运营筆记里，方便對比變化。

sitemap 不會替你争取收錄，它只是把门牌号寫清楚。门牌号寫得准，来的人才少走冤枉路。

這件事花不了多少時間，但拖久了，代價是搜尋引擎對新内容的發現速度變慢，而這個變化往往不會给你明顯的提示。