不少站長把 sitemap 当成收錄開關：文件提交上去，就等着頁面一個個進索引。實际做下来會發現，sitemap 通常只解决一件事——把地址明确地告诉搜尋引擎。至于這個地址什么时候被抓、抓完要不要收，仍然由頁面本身决定。所以更實用的思路是：先把這份清單寫對，再谈提交之後怎么查。

先说清楚 sitemap 的邊界

它是一份 URL 清單，不是收錄指令。它负责让地址被看到，不负责让地址被收錄。

明白這一点，很多困惑就消失了。比如清單里的地址一直停在“已發現，尚未抓取”，那不是 sitemap 没交對，而是抓取排队和優先級的問题；頁面被抓了却没進索引，那要回到内容质量、重复度、規范地址上找原因，跟清單本身關系不大。

反過来，sitemap 也确實有用：站点层級深、内鏈稀少、新頁面没人鏈過去时，它能给搜尋引擎一條明确的入口。尤其是新站或大站的新栏目，光靠内鏈爬過去可能要等很久。

哪些 URL 适合放進 sitemap

• 返回 200、可以直接打開的正常頁面；
• 内容有獨立價值，且你希望它被搜到的地址；
• 已经收敛過的規范版本，不要同时放带參數、带大小寫變体的多個副本；
• 頁面自身没有 noindex，也没有被 robots.txt 挡住抓取。

反過来说，下面這些放進去基本是浪費位置，還可能让抓取判断變乱：跳轉地址、404 或已下线的頁面、登入後才可见的頁面、篩選和排序产生的临时地址、分頁里内容高度重复的那几頁、以及一批内容几乎一样的聚合頁。清單越干净，搜尋引擎對它的信任越稳定。

几個容易被忽略的寫法問题

lastmod 不要随手寫

lastmod 表示這個地址的内容最後一次實质性變化的時間。如果每次生成都把全部地址刷成目前時間，這個字段就會失去參考價值。只更新真正改過的頁面，或者在自動生成时按實际修改時間寫入，比统一刷新更有意义。改個错別字要不要動 lastmod？影响不大，但也不值得為它把整份清單刷一遍。

分片和條數要按規則来

單個 sitemap 文件有地址條數和体积上限，超過就要拆成多個文件，再用一個索引文件把它們列出来。很多工具會自動處理，但自建脚本时容易漏。另外，地址里的特殊字符要做轉义，非英文地址建议使用编碼後的形式，避免解析失敗。

清單里的地址要和頁面上的一致

协议、域名寫法、结尾斜杠要跟頁面里的規范地址保持统一。如果清單里寫的是 http 版本，頁面上却是 https，或者一邊带 www 一邊不带，就會多出一次跳轉，甚至让两個版本各被当成一個地址。寫清單之前，先把站内的規范形式定下来，然後全站照做。

提交之後的自查顺序

1. 先確認文件能被正常訪問：直接在浏览器打開 sitemap 地址，看是否返回 200、内容是不是完整 XML。
2. 再看格式有没有报错：XML 标簽未閉合、缺少命名空間、编碼声明不對，都會導致整份清單讀不出来。
3. 然後抽查清單里的地址：随机挑几條，確認能打開、狀態碼正常、頁面可索引。
4. 接着對照收錄資料：把清單里的地址和實际已收錄的地址做個比對，看看差距集中在哪一類頁面上，是全部還是某個栏目。
5. 最後看服務器日誌：蜘蛛是否按清單来抓過、抓取的频率如何、有没有大量 404 或 5xx。日誌里的信息比後台資料更直接。

這几步走完，通常就能判断問题出在清單本身、頁面本身，還是抓取节奏上。

什么时候该重新生成

不必每次改内容都重做。比較合适的时机是：新增了一批頁面、舊頁面批量下线、栏目结构做了調整、或者發現清單里混進了大量無效地址。保持清單和线上真實可索引的地址一致，比追求天天更新更重要。

小结

sitemap 的價值在于减少發現成本，而不是替代内容质量。把清單里的地址筛干净、字段寫准确、定期和线上狀態核對一遍，剩下的就交给頁面的内容和内鏈结构去决定。清單只是一個入口，走進去之後的事，還得看頁面自己。