站点地图（XML sitemap）是一種主動向搜尋引擎交代“我有哪些頁面”的方式。它不保證收錄，但如果文件里混進了大量失效地址、跳轉地址或本就不该被抓取的頁面，反而會占用蜘蛛有限的抓取時間。定期做一次 sitemap 自查，成本不高，收益是让這份“頁面清單”更可信。

一、只交代應该被收錄的地址

sitemap 的定位是“推荐抓取”，不是“全站备份”。下面這些地址通常不该出現在里面：

• 返回 404、410 的失效頁面；
• 返回 301、302 的跳轉地址，應该直接寫最终地址；
• 被 robots.txt 屏蔽或标了 noindex 的頁面；
• 带會话參數、排序參數、追踪參數的動態地址；
• 站内搜尋结果頁、用戶中心、後台等非公開頁面。

判断标准很简單：這個地址單獨打開，是不是一個能正常展示内容、且你希望被用戶搜到的頁面？如果不是，就把它從清單里去掉。

二、canonical 與 sitemap 要保持一致

同一個内容如果有多個可訪問地址，sitemap 里只應该出現 canonical 指定的那一個。否則等于一邊告诉蜘蛛“收錄這個”，一邊又在頁面上说“真正的版本是另一個”，两個信号互相抵消，蜘蛛還得自己再判断一次。

三、分文件與索引文件的容量邊界

單個 sitemap 文件有條數上限和体积上限（指未压缩狀態），超過後需要拆成多個子文件，再用一個 sitemap index 把它們串起来。子文件按内容類型或栏目切分比較清晰，比如文章、商品、栏目各一份。這样某個栏目出問题时，只影响對應的那一份，而不是整份清單一起失效。

四、lastmod 要真實

有的站点每次生成 sitemap 都把 lastmod 刷成当天，看似“很勤快”，實际上让這個字段失去參考價值。lastmod 應该反映頁面内容的實际修改時間，只在正文、标题、關键信息發生變化时才更新。模板改動、样式調整不應该触發全站時間戳變化。

五、提交之後要看反馈

提交只是第一步。後續要定期看搜尋资源平台里的資料：提交了多少、被讀取了多少、其中有多少進入了索引。如果發現“已提交量很大但已索引量長期偏低”，通常說明清單里混入了低质或重复地址，回到第一步重新筛一遍往往比繼續提交新文件更有效。

sitemap 解决的是“让蜘蛛知道有這個地址”，不解决“這個地址值不值得收錄”。内容质量的問题，還是要在内容本身處理。

六、几個容易忽略的细节

• sitemap 文件本身要能正常訪問，返回 200 且是合法 XML，不要被 CDN 缓存成舊版本；
• 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後，及时重新生成，別让清單長期停留在舊结构上；
• HTTPS、www 與非 www、路径大小寫要保持统一，避免把同一頁面寫成多個地址；
• 如果站点有多個語言或地区版本，可以在 sitemap 中用 hreflang 标注對應關系，减少歧义。

小结

把 sitemap 当成一份需要持續维護的清單，而不是生成一次就再也不管。定期清掉失效地址、對齐 canonical、修正 lastmod、核對文件拆分是否合理，让這份文件始终如實反映站点現状，它才能真正帮上忙。