很多站点的 sitemap 是從後台一键生成的，生成逻辑往往是「所有發布狀態的内容都放進去」。時間一長，這份清單里就會混進重定向地址、已经下线的頁面、被 noindex 标记的頁面，甚至一堆带參數的篩選頁。它本身不會直接让收錄變差，但會让核對工作變难：拿一份不干净的地图去找路，很容易被带偏。

先明确 sitemap 的角色

sitemap 的作用是告诉搜尋引擎「這些地址存在，可以来看看」，它是一個發現入口，不是收錄開關，也不是质量背书。放進去不等于會被抓取，被抓取也不等于會被索引。所以清單的第一原則是：只放你希望被人直接打開、並且内容獨立完整的頁面地址。

逐類清掉不该出現的地址

會跳轉的地址

如果某個地址 301 到另一個地址，sitemap 里應该寫最终落地的那一個。留着跳轉地址會多消耗一次抓取，也容易让索引里出現两條指向同一内容的记錄。

返回 404 或 410 的地址

内容下架、商品刪除之後，地址往往還留在清單里。用抓取工具批量跑一遍狀態碼，把非 200 的挑出来。注意区分 404 和 5xx：5xx 可能是服務器临时問题，不要急着删，先复查一次。

带 noindex 的頁面

這類頁面最容易被忽略：地址能打開、返回 200，但頁面头部明确寫了不索引。既然不希望它進索引，就没有必要繼續在 sitemap 里提交，两邊信号相互矛盾，核對时也容易算错分母。

篩選、排序、分頁參數产生的地址

參數组合可以生成遠超實际内容量的地址。先给參數分個類：影响内容的參數（如分類、頁碼）可以保留一部分；纯粹用于排序、追踪、會话的參數，通常不需要進 sitemap。

需要登入、地区限制或本身就是接口的地址

抓取端拿不到内容，提交上去只會浪費額度，也容易在日誌里制造無意义的错誤记錄，干扰後續排查。

地址寫法要和站内實际連結一致

• 大小寫：站内連結用小寫，sitemap 里就不要寫成大寫。
• 协议與域名：统一成一種寫法，不要 http 與 https、带 www 與不带 www 混着寫。
• 结尾斜杠：目錄形式和文件形式的寫法分開，別让同一個頁面两種形態都出現。

這些看起来是小事，但核對时同一個頁面出現两條记錄，統計數字就對不上，判断也會跟着错。

按類型拆分成多份，方便定位問题

把 sitemap 拆成内容頁、分類頁、专题頁等几份，每份控制在合理數量。好處是出問题时能快速缩小范围——是某一份整体表現差，還是零散几個地址的問题。再保留一份索引文件把這些子文件串起来即可。

核對後的處理方式

1. 把清單導出成表格，加上狀態碼、是否可索引、最後修改時間几列。
2. 重定向地址替換成最终地址，其余非 200 的地址直接移除。
3. noindex 頁面移除，並確認指向這批頁面的站内連結入口是否也要調整。
4. 重新提交後，隔一段時間看抓取日誌里這些地址的出現频率，確認舊地址没有繼續被大量請求。

清理 sitemap 不會立刻带来收錄變化，它的價值在于让判断有據可依：清單干净了，收錄數字的波動才更容易归因到内容或结构上，而不是被一堆無效地址干扰。

一個容易被忽略的循环

如果站内連結還在指向那些已经重定向或下线的地址，sitemap 清理完了，抓取端依然能從頁面里爬到它們。所以清單核對最好和站内連結检查一起做，两邊保持一致，才算真正收口。