Sitemap 常被当成一份“提交清单”：只要站内生成过 URL，就顺手写进去。数量看起来很多，真正被抓取的比例却不高。从蜘蛛的角度看，Sitemap 更像一份候选列表——它告诉蜘蛛“这些地址存在、可以去看看”，既不保证抓取，也不决定收录。列表里混进无效地址，最直接的后果是让蜘蛛把有限的时间花在拿不到内容的地方。

Sitemap 的定位：发现入口，不是收录开关

Sitemap 主要解决“发现”问题。内链不容易到达、层级较深的页面，靠它更容易被蜘蛛知道。但它只是入口之一，和首页、栏目页、站内链接、外链共同起作用。如果只盯着 Sitemap 的条数，很容易忽略内链结构本身是否顺畅。

通常不建议放进 Sitemap 的几类地址

已经返回 404 或 410 的页面

页面下线后，地址还留在 Sitemap 里，蜘蛛每次访问都拿到错误状态。这类地址应该及时删除或改为 410，并同步从 Sitemap 中移除。长期堆积的失效地址，会让人误以为“提交了很多”，实际有效条目并不多。

设置了 noindex 的页面

noindex 表达的是“不要收录”，Sitemap 表达的是“欢迎来看”。两者同时出现，信号是矛盾的。真正不需要收录的页面，既不该出现在 Sitemap 里，也不该在内链中被大量指向。

发生跳转的旧地址

Sitemap 中应当写跳转后的目标地址，而不是跳转前的地址。把一堆 301 地址列进去，等于让蜘蛛多走一跳，抓取路径被拉长，收益却没有增加。

参数、排序、筛选生成的大量组合

参数组合可以轻易生成成千上万个地址，其中大部分内容高度相似。除非某个组合有独立的内容和明确的搜索需求，否则不必逐个列出。更稳妥的做法是只保留主入口，并在页面上用规范标签说明首选版本。

重复版本页：打印页、带会话参数的地址

打印版、简版、带追踪参数的地址，本质上是同一篇内容的不同外壳。把它们都写进 Sitemap，会让同一个页面以多种形式被反复请求。

需要登录、返回 403 或仅内部可见的地址

蜘蛛拿不到内容，只会记录一次失败。后台页面、会员中心、测试环境地址，都不适合出现在对外的 Sitemap 中。

可以放，但要控制数量的部分

更新频繁的首页与栏目页

首页和主要栏目页值得放进 Sitemap，但数量应当有限。它们本来就处在内链的显眼位置，Sitemap 的作用更多是补充，而不是主力。

多语言或多地区版本

不同语言版本各自收录是合理的，前提是每条地址都能稳定返回 200，并且用 hreflang 说明彼此的对应关系。若某些语言版本尚不完整，先不放比放进去更省事。

提交之后值得做的几项检查

• 随机抽取若干条地址，确认返回码与页面内容一致；
• 查看服务器日志中蜘蛛对 Sitemap 本身的抓取频率，以及其中 URL 的实际抓取情况；
• 对比内链覆盖与 Sitemap 覆盖，找出只有 Sitemap 才能发现的页面；
• 定期清理已失效、已跳转、已设为 noindex 的条目。

Sitemap 的价值不在于条数多，而在于列表里的每一条都值得蜘蛛跑一趟。

把 Sitemap 当作一份需要维护的清单，而不是一次性的提交动作，URL 发现的效率会稳定一些。至于抓取和收录的结果，仍然取决于内容本身、站点结构和服务器表现，这些不是 Sitemap 能替代的。