Sitemap 是站点主動递给搜尋引擎的一張地图。它不保證收錄，但能减少蜘蛛猜路的成本。問题在于，很多站点把 Sitemap 提交一次之後就再也没看過，等到發現某類頁面長期没有動静，才回头检查，往往已经积累了成百上千條無效地址。
先確認這張地图有没有被讀
自查的第一步不是看内容，而是看通道。检查 robots.txt 里是否寫了 Sitemap 地址，地址是否與實际文件路径完全一致，文件本身是否返回 200 而不是 404 或 403。如果站点有防火墙、登入校驗或地域限制，還要確認抓取請求不會被拦在半路。
接着在搜尋资源平台的提交入口確認已提交，再回到服務器日誌里搜 Sitemap 文件的請求记錄，看抓取频次和狀態碼。只有提交记錄、没有抓取记錄，通常意味着通道有問题，而不是内容有問题。
地图里该放什么
核心原則只有一條：只放你希望被索引、且技術上允许被索引的規范地址。
- 返回 200 的 HTML 頁面，正文可被抓取
- canonical 指向自身，或明确指向這個地址
- 没有被 meta robots 或响應头标记為 noindex
- 不需要登入、不依赖表單提交就能打開
反過来，下面這些地址不應该出現在 Sitemap 里：301 或 302 跳轉頁、404 與 410、被 noindex 的頁面、纯參數篩選與排序頁、内容重复的镜像頁、還有那些只在站内搜尋里才存在的临时结果頁。把它們寫進去，等于請蜘蛛来一趟再让它原路返回。
lastmod 要诚實
lastmod 是 Sitemap 里少數仍可能被參考的字段，前提是它可信。如果每次生成都把全站刷成当天日期，等于告诉搜尋引擎整站每天都在變，時間一長這個字段就失去參考意义。建议由發布系統在内容真正改動时更新，格式统一用 W3C 日期時間寫法。
分片與規模
單個 Sitemap 文件建议不超過 5 萬條 URL，未压缩体积控制在 50MB 以内。超出就拆成多個文件，再用 Sitemap index 串起来。分片按栏目或内容類型切分，比按時間胡乱切割更容易定位問题——某個分片出错时，你一眼就知道影响的是哪一块。
几個常见誤区
- 只放首頁和栏目頁，内容頁全靠内鏈碰运气
- 维護一份静態文件，新内容上线後忘了同步
- 大小寫、带不带 www、http 與 https 混着寫
- 把带跟踪參數、會话 ID 的地址寫進地图
- 中文 URL 未做轉义，導致解析失敗
- robots.txt 挡住了 Sitemap 文件自身
把它變成固定動作
- 新栏目上线或批量改 URL 之後，立刻跑一次格式與可訪問性校驗
- 抽样 10 到 20 條，逐條確認狀態碼、canonical 和 noindex 标记
- 拿日誌與地图對照，看地图里的地址是否真的被請求過
- 在资源平台對比已提交與已索引的差值，差值集中的部分單獨归類排查
- 把 Sitemap 生成寫進發布流程，而不是靠人工導出
Sitemap 不是收錄開關，它只是把门牌号寫清楚。门開不開、蜘蛛進不進，最终還是取决于頁面本身值不值得抓。
定期花十几分钟做這几項检查，比事後追着問為什么某類頁面没動静要省力得多。