站点地图（sitemap.xml）是一份给搜尋引擎看的 URL 清單，作用是帮助蜘蛛發現地址、感知更新。它不承诺收錄，也不影响排名，但一份维護得当的站点地图，确實能减少新頁面長期“没人来抓”的情况。
它解决的是發現問题，不是收錄問题
蜘蛛的發現路径主要有三條：外鏈、站内連結、站点地图。前两條靠頁面之間的连接關系，第三條是主動申报。對结构較深、内鏈較弱的頁面来说，站点地图往往是它們被發現的唯一机會。反過来说，一個已经能從首頁两三跳到達的頁面，進不進站点地图差別不大。
所以判断标准很简單：這份清單里的地址，是不是都值得被抓取和索引。答案是否，就不该堆進去。
單文件的容量上限與拆分
常见的硬性限制有两條：
- 單個 sitemap 文件不超過 5 萬條 URL；
- 未压缩体积不超過 50MB（gzip 压缩後同样有 50MB 限制）。
超過之後必须拆成多個文件，再用一個索引文件把它們串起来。與其等到超限才拆，不如按栏目、按内容類型提前拆，比如文章、商品、专题、标簽頁各一個文件。這样某類内容出問题时，影响范围更小，也方便單獨排查。
索引文件（sitemap index）怎么寫
索引文件本身不列具体 URL，只列子地图的位置和各自的 lastmod。它同样受 5 萬條上限约束，實际上一萬個子地图就遠超正常站点的規模了。寫法上，子地图地址建议用绝對地址，並且和實际可訪問的路径保持一致——如果子地图本身返回 404 或跳轉，索引里的其余條目也會受影响。
lastmod 寫還是不寫
很多人习惯让 lastmod 跟着頁面渲染時間自動變化，每次抓取都顯示“刚刚更新”。這種做法短期看不出問题，長期會稀释這個字段的可信度。lastmod 應当對應内容的實质性改動，比如正文补充、資料更新、價格調整，而不是頁脚版權年份變化或模板微調。
- 内容确實改了，就更新；
- 只改了样式或無關模块，不要動；
- 批量重建導致全站時間统一刷新，等于没寫。
如果 lastmod 長期不可信，蜘蛛會逐渐忽略這個字段，你反而失去了提示更新的手段。
哪些地址不该出現在站点地图里
- 被 noindex 标记的頁面：清單和指令自相矛盾，浪費抓取；
- 會跳轉的地址：應该放跳轉後的最终地址；
- 已刪除的頁面：返回 404/410 的地址繼續留在清單里没有意义；
- 排序、篩選、跟踪參數生成的重复地址；
- 需要登入的後台、測試环境、内網地址；
- 分頁過深的列表頁，视情况只保留前几頁。
提交之後该看什么
在站長平台提交站点地图後，別只看“已提交”就完事。更值得關注的是“已發現”和“已编入”之間的差額：大量地址被發現却長期没被訪問，通常說明抓取配額被別處占用了，或者站点整体响應偏慢。反過来，如果清單里的地址压根没被讀到，先检查文件本身能否正常訪問、格式是否被解析。
一份简單的自查清單
- 清單位置是否寫在 robots.txt 里，且 robots.txt 没有挡住它；
- 文件本身可訪問，返回 200，Content-Type 正确；
- URL 數量、体积都在上限内，超過已拆分；
- 清單里没有 noindex、跳轉、失效地址；
- lastmod 與實际内容改動對應；
- 新内容上线後，观察它被發現的間隔是否在可接受范围内。
把站点地图当成一份需要定期维護的清單，而不是一次性生成的产物，它才能真正在 URL 發現這一环上發挥作用。