sitemap 解决的是“被發現”，不是“被收錄”
不少人把 sitemap 当成一個開關：提交上去，頁面就该進索引。實际流程要拆成三步——URL 被發現、頁面被抓取、頁面被判定為值得收錄。sitemap 主要作用在第一步：它给抓取器一份站点 URL 清單，省去靠連結一层层爬過去的時間。至于後面两步，取决于頁面能不能正常訪問、内容有没有獨立價值、是否與站内其他頁面高度重复，以及站点整体能分到多少抓取配額。
所以“提交了 sitemap，收錄數量却没動”是很常见的現象。問题可能出在文件寫法上，也可能出在頁面本身。
先確認 sitemap 有没有被正确讀取
文件本身是否有效
- 格式要規范：單個文件 URL 數量與体积都有上限，超出後需要拆成多個文件並用索引文件串联。
- URL 中的特殊符号要按 XML 規則轉义，否則整段内容可能解析失敗。
- 只放規范地址：带追踪參數的、大小寫混用的、會跳轉的 URL 都不该出現在這里。
- lastmod 要寫真實時間。习惯性把時間刷成“今天”，久而久之會被忽略。
位置和声明是否到位
把 sitemap 放在站点根目錄，並在 robots.txt 里寫明它的位置，能让抓取器更快找到。接着到搜尋後台看提交狀態和“已發現的頁面數”。如果長期顯示無法讀取，多半是被 robots 挡住了、返回碼不對，或者文件路径寫错。
sitemap 里的 URL 為什么進不了索引
- 抓取被屏蔽：robots.txt 挡住了目錄，頁面连被抓的机會都没有。
- 頁面带 noindex：這和提交 sitemap 是两個相反方向的信号，最终以 noindex 為准。
- URL 不是規范版本：canonical 指向了另一個地址，收錄只會记在目标頁上。
- 返回碼不對：出現 404、410 或 301 的地址應及时從清單里移除，只保留正常返回的最终地址。
- 抓取器看到的内容不同：需要登入、按地域拦截或首屏全靠脚本渲染，都可能让它只看到一個空壳。
- 頁面本身價值不够：内容太薄、與其他頁面高度重复，即使被發現也很难留下。
sitemap 帮不上忙的几件事
它不能提升頁面质量，不能替代内部連結，也不能改變抓取频率。它是补充手段，不是主力通道：一個長期没有内鏈指向、离首頁很遠的頁面，即使躺在 sitemap 里，被抓取的優先級也有限。至于蜘蛛池這類工具，做的事同样停留在“增加被發現的机會”這一层，對收錄结论没有决定權。
提交之後仍没收錄，按這個顺序查
- 用 URL 检查類工具看這個地址是否被抓取過、返回什么狀態碼。
- 检查 robots.txt 與頁面 meta，確認允许抓取、允许索引。
- 確認 sitemap 里寫的是規范地址，並且和 canonical 保持一致。
- 判断這個頁面值不值得留：内容是否獨立、有没有内鏈指向、点击深度是否太深。
- 给它一点時間。新站或新目錄可用的抓取配額有限，收錄通常分批發生，不會一次到位。
sitemap 是递给抓取器的一張地图，不是一道命令。地图画得再清楚，走不走、记不记，仍然由頁面本身决定。
把 sitemap 看作“索引的入场券”容易失望，把它看作“减少發現成本的小工具”更接近事實。真正影响收錄的，仍是那些能訪問、有内容、有内鏈的頁面。