站点地图（sitemap）是網站主動递给搜尋引擎的一份地址清單。它不保證頁面被收錄，也不直接影响排名，但能帮助蜘蛛更快發現新連結、了解頁面的更新节奏。問题往往出在後續：很多站点的 sitemap 在生成那一刻是准确的，之後長期没人管，慢慢變成一份與實际站点脱节的清單。蜘蛛照着走了几趟發現對不上，這份文件的可信度就會下降。
一、sitemap 是怎么慢慢“過期”的
- 改版後老連結没同步移除，表里還留着已经 404 或被 301 的地址。
- 新發布的栏目和文章靠手動补錄，漏掉一批，發布時間越久缺口越大。
- lastmod 被程序批量刷成当天，與實际改動時間對不上。
- 分頁、标簽聚合、篩選參數頁全部塞進去，地址數量虚高，真正有價值的部分被稀释。
- sitemap 文件本身能返回 200，但内容是空的，或者條數超出限制被截断。
- 多語言、多终端版本只提交了一部分，另一半依靠蜘蛛自己摸索。
這些問题單獨看都不致命，叠在一起就會让蜘蛛把有限的抓取時間花在無效地址上。
二、内容取舍：放什么，不放什么
站点地图不是越全越好。它的作用是提高發現效率，而不是把站内所有能点開的連結都登记一遍。
- 建议放入：正文頁、栏目頁、有獨立内容價值的服務頁或产品頁。
- 谨慎放入：标簽聚合頁、分頁第二頁之後、篩選结果頁。這類頁面數量容易膨胀，且内容高度重复，放進去之前先想清楚它們是否有獨立價值。
- 不建议放入：登入註冊、购物车、站内搜尋结果、必须带參數才有内容的頁面。
一個判断方法：如果這個地址被單獨打開，用戶看到的是一個能獨立阅讀的頁面，那它大概率值得進表；如果打開後只是一堆連結的堆叠，或者跳到別的頁面，就该再考虑一下。
三、可执行的自查清單
- 直接在浏览器訪問 sitemap 地址，確認能正常打開、返回的是 XML 内容，而不是错誤頁或跳轉頁。
- 抽查 20 到 30 條 URL，逐條看狀態碼是否為 200，地址寫法是否與頁面實际地址完全一致，包括协议、是否带 www、结尾斜杠。
- 對照服務器日誌里蜘蛛的訪問记錄，看它是否真的来讀過這份文件，讀完之後是否顺着里面的地址爬取。
- 核對 lastmod 字段，只在正文有實质改動时更新，日期改而内容没變属于無效信号。
- 检查單個文件的條數與体积是否在限制范围内，超出就拆成多個文件並用索引文件匯總。
- 確認 robots.txt 中声明的 Sitemap 地址與實际路径一致，別指向一個已经废弃的舊文件。
四、把维護放進日常流程
與其隔半年想起来才整理一次，不如把 sitemap 生成挂到内容發布流程里：新頁面上线的同时自動進表，頁面下线或改地址时自動移除。這样表里的内容始终跟着站点走，不需要額外的记忆成本。
另外可以给自己定两個检查节点：一是每次站点改版或栏目調整之後，二是每季度一次常規抽查。抽查不需要全量校驗，随机取几十條看狀態碼和地址一致性，通常就能發現系統性問题。
站点地图的價值不在于條目多，而在于每一條都還能走得通。一份干净、及时、地址准确的清單，比一份塞满歷史遗留地址的大表更有用。