很多人把站点地图（sitemap）当成催收錄的工具：文件一提交，就等着收錄數字往上涨。實际關系更朴素一些——sitemap 解决的是「蜘蛛知不知道有這個地址」，也就是 URL 發現這一环；抓不抓、收不收，是後面两步的事。把它当清單用可以，当收錄承诺用就容易走偏。

sitemap 能做什么，不能做什么

先把它的位置摆正，後面很多事情就清楚了：

• 能做的：把一批可抓取的規范 URL 一次性摆到蜘蛛面前，减少它靠内鏈慢慢爬的等待；新頁面發布後可以更快被知道；内容有實质更新时，也可以提示重新看一眼。
• 不能做的：不能保證被抓取，不能保證被索引，更不能改變頁面在结果里的位置。抓取配額有限时，蜘蛛仍然會按自己的優先級挑選。

發現是入口，抓取是過程，收錄是结果。sitemap 主要影响第一环，後面两环看的是頁面本身。

哪些 URL 适合放進去

判断标准可以概括成一句话：你希望它出現在搜尋结果里，並且它自己能站得住。

• 返回 200、内容是正文或有效聚合的規范地址；
• 新發布、刚更新過的重要頁面；
• 层級較深、靠内鏈不容易走到的頁面，這類頁面尤其需要 sitemap 帮忙發現。

反過来，下面這些放進 sitemap 基本是给自己添乱：

• 已经設定 noindex 的頁面；
• 被 robots.txt 屏蔽的地址；
• 會跳轉的舊地址、404 地址；
• 篩選、排序、站内搜尋生成的參數组合；
• 登入、购物车、後台、測試环境等不该被索引的頁面。

几種常见的寫法問题

把全站 URL 一股脑塞進去

有人图省事，把所有能生成的地址都寫進去，包括重复頁和參數頁。结果是蜘蛛把配額花在了大量低價值地址上，真正想被看到的頁面反而排在後面。sitemap 追求的是准，不是全。

sitemap 里的地址和 canonical 不一致

頁面自己声明規范地址是 A，sitemap 里提交的是 B，两個信号互相打架。這種冲突不一定立刻出問题，但會让處理過程變慢。两者保持一致是最省事的做法。

文件長期不更新

sitemap 里的 lastmod 如果和頁面實际更新時間對不上，參考價值就會下降。更新频率不用很高，但内容變了，记錄要跟着變。

提交之後的自查顺序

1. 從 sitemap 里抽样二三十條 URL，逐條訪問，確認返回狀態和最终落地地址；
2. 检查這些 URL 與頁面上的 canonical 是否指向同一個地址；
3. 看服務器日誌里蜘蛛是否抓取過 sitemap 文件，以及是否顺着抓了里面的頁面；
4. 對已抓取但未收錄的頁面，回到内容层面看：是否有重复、信息量是否過少、是否與其他頁面高度相似。

提交了却没有變化，往下看什么

先分清卡在哪一环：日誌里完全没有抓取记錄，說明還停在發現或抓取环节，要检查 sitemap 是否被讀取、URL 是否被屏蔽；有抓取记錄但没有收錄，問题多半在頁面质量和重复度上；收錄之後又消失，則和内容更新、站点结构變化有關，是另一套排查路径。

sitemap 是一個补充發現渠道，不是收錄開關。把范围收窄，只放真正想要、也确實拿得出手的地址，比堆一份上萬條的清單更有實际意义。