Sitemap 常被理解成一份“交给搜尋引擎就能全收錄”的清單。實际使用中它更像一個發現通道：蜘蛛會讀，但不一定逐條按顺序處理，處理节奏也和站点規模、更新频率、其他入口信号有關。理解它被讀取的方式，比反复提交要有效得多。
Sitemap 是入口，不是保證
Sitemap 的作用是把 URL 送進“已知”集合。進入已知之後，還要经過抓取、解析、评估，才可能進入索引。所以看到 Sitemap 里的地址長期没被抓取，先別急着重新提交，先確認這些 URL 是否有内鏈支撑、是否值得占用抓取资源。
索引文件與分片：一次能讀多少
規模稍大的站点通常用 sitemap 索引文件（sitemap index）指向多個子 Sitemap。蜘蛛會先讀索引，再按需讀取子文件。這里有几個容易忽略的点：
- 單個文件里的 URL 數量有上限，超出部分不會被讀，必须拆分成多個子文件。
- 索引文件本身也要保持简洁，只列子 Sitemap 地址和最後更新時間，不要混入普通頁面連結。
- 子文件按内容類型或栏目拆分，比按時間随便切更容易被分批讀取。
- 所有子文件都要能獨立返回正常狀態碼，任何一個 404 或 5xx 都會让這一片暂时失效。
換句话说，蜘蛛不是一次性讀完整個索引，而是有選擇地抓取子文件。分片方式决定了它先看到哪一批 URL。
lastmod 的可信度
lastmod 是少數能影响复查节奏的字段，但前提是它真實且稳定。如果每次生成 Sitemap 都把全站時間刷成目前时刻，這個字段很快就會被忽略，等于自己放弃了它。更實用的做法是：只有正文、價格、库存這類實质變化才更新 lastmod，模板調整、導航改動不必改動它。
建议的字段寫法
- loc 用绝對地址，與頁面最终 URL 完全一致，避免跳轉。
- lastmod 用 W3C 格式的時間，带时区更稳妥。
- changefreq 和 priority 現在更多是參考值，寫不寫影响都不大，不必為此纠结。
- 不要放 noindex、重定向或需要登入的地址，它們會稀释這份清單的價值。
常见配置問题
- Sitemap 声明在 robots.txt 里，但地址本身返回 301，蜘蛛要多跳一次才拿到内容。
- Sitemap 里的 URL 和站内實际連結不一致，比如带不带尾斜杠、大小寫不同，等于把同一頁面报了两遍。
- 分片文件長期不更新，新增内容一直没進索引文件，蜘蛛自然看不到。
- 把 Sitemap 当主要發現手段，内鏈却几乎為零，结果 URL 被知道但拿不到足够的權重信号。
它和内鏈、入口頁的分工
Sitemap 擅長覆盖广度，尤其是新頁面、深层頁面和站内連結較少的地址；内鏈擅長传递层級和重要性，让蜘蛛判断哪些頁面更值得優先抓；入口頁和栏目頁則决定蜘蛛進入站点的第一跳。三者重叠越多，效果越好，但谁也不能完全替代谁。只靠 Sitemap 而不修内鏈，通常表現為“被發現得快、被复查得慢”。
一個简單的自查顺序
- 先確認 Sitemap 能被正常訪問，索引文件與子文件都没有错誤狀態碼。
- 抽查若干 URL，看它們在站内是否至少有两條可抓内鏈指向。
- 检查 lastmod 是否被無差別刷新。
- 對照抓取日誌，看 Sitemap 中的地址是否出現過，出現後是否有复查。
把 Sitemap 当成一份持續维護的清單，而不是一次性的提交動作。它解决的是“有没有被知道”，抓取和索引仍要靠内鏈、内容质量和服務器稳定性一起支撑。
当 Sitemap 的字段稳定、分片合理、連結與站内一致，它在 URL 發現环节的作用會明顯提升；但它始终只是抓取路径上的一环，不是终点。