站点地图（sitemap）是最省事的“URL 清单”提交入口，也最容易被当成垃圾桶：建站时生成的规则一挂就是几年，分类页、标签页、被 noindex 的页面、带参数的筛选结果全都在里面。清单越脏，搜索引擎越难判断哪些页面值得优先处理。核对 sitemap 的意义不在于提交得更多，而在于让清单和“你真正希望被索引的页面集合”尽量重合。
先明确 sitemap 应该放什么
一个实用的判断标准：这个 URL 能否直接访问、是否返回正常状态码、正文对用户是否有价值、是否没有被 robots 或 meta 指令挡在索引之外。四条都满足，才适合留在清单里。
- 可访问：返回 200，不是重定向链、不是 404/410，也不是软 404 式的空结果页；
- 可索引：没被 noindex、没被 robots.txt 屏蔽、没有指向其他 URL 的 canonical；
- 有独立价值：正文、参数、列表内容与其他页面有实质差别；
- 是规范版本：http/https、www 与非 www、大小写、末尾斜杠都统一到同一个形态。
哪些 URL 最常被误放进来
按出现频率从高到低，大致是这几类：
- 筛选、排序、分页产生的参数组合，尤其是多维筛选；
- 站内搜索结果页、空结果页、降级兜底页；
- 已被 canonical 合并的重复版本，如打印页、带追踪参数的分享链接；
- 登录后、购物车、订单等需要会话才能打开的页面；
- 已经下线但仍留在生成规则里的旧栏目、旧商品。
这些 URL 即便被抓取，也很难进入索引，却会占用抓取资源，还会让报表里的“已发现未索引”数量虚高，干扰你对真实问题的判断。
lastmod 不能随便写
lastmod 是抓取调度的参考信号之一。如果每次生成 sitemap 都把时间刷成当前时间，或者用构建时间代替内容更新时间，这个字段就失去区分度：所有页面看起来都在变，等于都没变。
可用的做法是让 lastmod 对应正文的实际变更，例如内容管理系统里的更新时间字段；模板改动、样式调整不要写进去。
同理，priority 与 changefreq 现在的参考价值有限，与其填一堆没有依据的值，不如把精力放在清单准确性和 URL 规范上。
核对顺序建议
- 导出当前 sitemap 的全部 URL，按模板分组统计数量，先看哪一类占比异常；
- 抽取每类若干样本，实测状态码、canonical、robots 指令，确认是否可索引；
- 对照站内链接和真实流量入口，确认清单里的 URL 都能从站内正常点到；
- 剔除不该提交的类别，改在生成规则层面过滤，而不是只改这一次的文件；
- 检查 lastmod 的取值来源，确保它跟着正文更新走；
- 重新提交后，按模板分组观察索引状态变化，而不是只看总数。
拆分与体量
清单较大时按类型分片（文章、商品、分类），便于单独排查和单独提交，也方便出现问题时快速定位到某一类。分片文件同样要保证里面的 URL 都合格，不能因为“先提交上去看看”就放宽标准。
提交之后看什么
sitemap 只是发现渠道之一，提交不等于收录。合理的观察方式是：对比提交前后同类页面的抓取频次与索引状态变化。如果没有变化，回头检查清单本身是否被过滤、URL 是否可访问、内容是否足够独立。把 sitemap 当成一份需要定期维护的资产，每次改版、上线新模板、调整 URL 结构时都回头看一眼，比一次性提交一大批链接更有效。