Sitemap（XML 站点地图）是站点主動递给搜尋引擎的一份 URL 清單。它不能保證頁面被收錄，但能减少蜘蛛“找不到路”的概率。問题在于，很多站点的 Sitemap 是建站时生成一次、之後再也没有人看過——里面可能還留着改版前的舊地址，也可能漏掉了後来新增的全部内容。
先確認 Sitemap 目前處于哪種狀態
用浏览器直接訪問自己的 Sitemap 地址，通常就能看出問题大概出在哪一類。
- 打不開：返回 404、403 或 5xx，蜘蛛每次訪問都是空手而归。
- 能打開但内容陈舊：最上面還是几個月前的地址，新發布的頁面一個都没有。
- 混入不该出現的地址：登入頁、站内搜尋结果頁、带參數的篩選頁、測試目錄，全被塞了進去。
- 地址本身寫错：寫成相對路径、带端口、用 http 而站点已经是 https，或者域名大小寫不一致。
這几類問题不需要額外工具，人工点開看一遍就能發現大部分。
格式與訪問狀態自查
Sitemap 本身是一份 XML 文件，格式出错會让整份文件被判為無效，而不是“只跳過某一行”。自查时按下面的顺序過一遍：
- 確認头部的 XML 声明與 urlset 命名空間完整、标簽閉合正确。少一個閉合标簽，整份地图都可能作废。
- 每一條 loc 都應是完整绝對地址，包含协议和域名，不要寫相對路径，也不要把 http 與 https 混用。
- lastmod 尽量填真實的修改時間，不要全站统一寫当天。如果维護不過来，宁可不填，也比填错好。
- changefreq 和 priority 目前不是主流搜尋引擎的重要依據，填了不有害，但没必要把全站 priority 都设成 1.0。
- 控制文件体积。單個 Sitemap 一般建议不超過 5 萬條 URL、解压後不超過 50MB，超出就拆分。
内容范围：哪些 URL 该進，哪些不该進
- 该進：希望被索引的正文頁、栏目首頁、必要的聚合頁。
- 不该進：登入註冊頁、购物车、站内搜尋结果頁、带排序或篩選參數的頁面、測試與暂存目錄。
- 谨慎處理：分頁的第二頁及以後、标簽頁與日期归档頁。數量不大时可以保留，數量庞大則容易摊薄抓取预算。
- 信号冲突：已設定 noindex 的頁面不要放進 Sitemap，两個指令互相矛盾，只會让蜘蛛白跑一趟去確認。
生成方式與更新时机
靠手工维護的 Sitemap 迟早會過期。更現實的做法是让它跟着内容系統自動生成，並约定好触發时机：
- 發布新内容时增量寫入，而不是等定时任務统一跑一次。
- 頁面刪除或下线时同步移除，避免地图里留下已经 404 的地址。
- URL 结构或域名發生變更时，重新生成全部地址，並保留舊地址的跳轉。
如果站点内容量不大，也可以固定每周检查一次，人工確認新增和刪除是否都反映進去了。
把 Sitemap 当成一份要和站点一起持續更新的文档，而不是一次性的上线任務。
提交之後怎么驗證有没有生效
提交只是開始，之後要看的是蜘蛛有没有真的按图索骥：
- 在搜尋资源平台的报告里看已提交、已抓取、有错誤這三類條數的變化趋势。
- 把服務器日誌中蜘蛛抓取的 URL 與 Sitemap 里的 URL 做個简單對比，判断覆盖情况。
- 如果長期“已提交却几乎没有抓取”，先回头確認 robots.txt 是否屏蔽了 Sitemap 本身或它所在的目錄。
- 新站或改版站可以观察一到两周。若抓取量始终没有起色，再往内容质量和内部連結方向找原因。
Sitemap 解决的是“告不告知”的問题，頁面最终能不能被收錄，還是取决于内容本身和站点整体结构。把它当作基础设施维護好，不必指望它單獨带来什么奇迹。