站点地图（XML sitemap）是一种主动向搜索引擎交代“我有哪些页面”的方式。它不保证收录，但如果文件里混进了大量失效地址、跳转地址或本就不该被抓取的页面，反而会占用蜘蛛有限的抓取时间。定期做一次 sitemap 自查，成本不高，收益是让这份“页面清单”更可信。

一、只交代应该被收录的地址

sitemap 的定位是“推荐抓取”，不是“全站备份”。下面这些地址通常不该出现在里面：

• 返回 404、410 的失效页面；
• 返回 301、302 的跳转地址，应该直接写最终地址；
• 被 robots.txt 屏蔽或标了 noindex 的页面；
• 带会话参数、排序参数、追踪参数的动态地址；
• 站内搜索结果页、用户中心、后台等非公开页面。

判断标准很简单：这个地址单独打开，是不是一个能正常展示内容、且你希望被用户搜到的页面？如果不是，就把它从清单里去掉。

二、canonical 与 sitemap 要保持一致

同一个内容如果有多个可访问地址，sitemap 里只应该出现 canonical 指定的那一个。否则等于一边告诉蜘蛛“收录这个”，一边又在页面上说“真正的版本是另一个”，两个信号互相抵消，蜘蛛还得自己再判断一次。

三、分文件与索引文件的容量边界

单个 sitemap 文件有条数上限和体积上限（指未压缩状态），超过后需要拆成多个子文件，再用一个 sitemap index 把它们串起来。子文件按内容类型或栏目切分比较清晰，比如文章、商品、栏目各一份。这样某个栏目出问题时，只影响对应的那一份，而不是整份清单一起失效。

四、lastmod 要真实

有的站点每次生成 sitemap 都把 lastmod 刷成当天，看似“很勤快”，实际上让这个字段失去参考价值。lastmod 应该反映页面内容的实际修改时间，只在正文、标题、关键信息发生变化时才更新。模板改动、样式调整不应该触发全站时间戳变化。

五、提交之后要看反馈

提交只是第一步。后续要定期看搜索资源平台里的数据：提交了多少、被读取了多少、其中有多少进入了索引。如果发现“已提交量很大但已索引量长期偏低”，通常说明清单里混入了低质或重复地址，回到第一步重新筛一遍往往比继续提交新文件更有效。

sitemap 解决的是“让蜘蛛知道有这个地址”，不解决“这个地址值不值得收录”。内容质量的问题，还是要在内容本身处理。

六、几个容易忽略的细节

• sitemap 文件本身要能正常访问，返回 200 且是合法 XML，不要被 CDN 缓存成旧版本；
• 在 robots.txt 里用 Sitemap 指令声明文件位置，方便蜘蛛定位；
• 站点改版或大量下架内容后，及时重新生成，别让清单长期停留在旧结构上；
• HTTPS、www 与非 www、路径大小写要保持统一，避免把同一页面写成多个地址；
• 如果站点有多个语言或地区版本，可以在 sitemap 中用 hreflang 标注对应关系，减少歧义。

小结

把 sitemap 当成一份需要持续维护的清单，而不是生成一次就再也不管。定期清掉失效地址、对齐 canonical、修正 lastmod、核对文件拆分是否合理，让这份文件始终如实反映站点现状，它才能真正帮上忙。