很多人把站点地图（sitemap）当成催收录的工具：文件一提交，就等着收录数字往上涨。实际关系更朴素一些——sitemap 解决的是「蜘蛛知不知道有这个地址」，也就是 URL 发现这一环；抓不抓、收不收，是后面两步的事。把它当清单用可以，当收录承诺用就容易走偏。

sitemap 能做什么，不能做什么

先把它的位置摆正，后面很多事情就清楚了：

• 能做的：把一批可抓取的规范 URL 一次性摆到蜘蛛面前，减少它靠内链慢慢爬的等待；新页面发布后可以更快被知道；内容有实质更新时，也可以提示重新看一眼。
• 不能做的：不能保证被抓取，不能保证被索引，更不能改变页面在结果里的位置。抓取配额有限时，蜘蛛仍然会按自己的优先级挑选。

发现是入口，抓取是过程，收录是结果。sitemap 主要影响第一环，后面两环看的是页面本身。

哪些 URL 适合放进去

判断标准可以概括成一句话：你希望它出现在搜索结果里，并且它自己能站得住。

• 返回 200、内容是正文或有效聚合的规范地址；
• 新发布、刚更新过的重要页面；
• 层级较深、靠内链不容易走到的页面，这类页面尤其需要 sitemap 帮忙发现。

反过来，下面这些放进 sitemap 基本是给自己添乱：

• 已经设置 noindex 的页面；
• 被 robots.txt 屏蔽的地址；
• 会跳转的旧地址、404 地址；
• 筛选、排序、站内搜索生成的参数组合；
• 登录、购物车、后台、测试环境等不该被索引的页面。

几种常见的写法问题

把全站 URL 一股脑塞进去

有人图省事，把所有能生成的地址都写进去，包括重复页和参数页。结果是蜘蛛把配额花在了大量低价值地址上，真正想被看到的页面反而排在后面。sitemap 追求的是准，不是全。

sitemap 里的地址和 canonical 不一致

页面自己声明规范地址是 A，sitemap 里提交的是 B，两个信号互相打架。这种冲突不一定立刻出问题，但会让处理过程变慢。两者保持一致是最省事的做法。

文件长期不更新

sitemap 里的 lastmod 如果和页面实际更新时间对不上，参考价值就会下降。更新频率不用很高，但内容变了，记录要跟着变。

提交之后的自查顺序

1. 从 sitemap 里抽样二三十条 URL，逐条访问，确认返回状态和最终落地地址；
2. 检查这些 URL 与页面上的 canonical 是否指向同一个地址；
3. 看服务器日志里蜘蛛是否抓取过 sitemap 文件，以及是否顺着抓了里面的页面；
4. 对已抓取但未收录的页面，回到内容层面看：是否有重复、信息量是否过少、是否与其他页面高度相似。

提交了却没有变化，往下看什么

先分清卡在哪一环：日志里完全没有抓取记录，说明还停在发现或抓取环节，要检查 sitemap 是否被读取、URL 是否被屏蔽；有抓取记录但没有收录，问题多半在页面质量和重复度上；收录之后又消失，则和内容更新、站点结构变化有关，是另一套排查路径。

sitemap 是一个补充发现渠道，不是收录开关。把范围收窄，只放真正想要、也确实拿得出手的地址，比堆一份上万条的清单更有实际意义。