sitemap 解决的是“发现”，不是“收录”

不少人把 sitemap 当成提交入口：文件一挂，就等着页面进索引。实际上它只做一件事——把 URL 明确地告诉蜘蛛。发现之后，抓不抓、收不收，仍取决于另外几件事：页面能不能正常访问、内容是否有独立价值、和站内其他页面是否高度重复、有没有被 noindex 挡住、站点的整体抓取是否顺畅。sitemap 是把门推开，不是把人拉进来。

哪些 URL 适合放进去

• 希望被索引的正文页、详情页、栏目页，且返回 200、内容可正常渲染
• 靠内链不容易走到、但确有价值的页面，比如层级较深的详情页和早期文章
• 刚上线、需要尽快被发现的页面
• 规范版本 URL，与你选定的 canonical 保持一致

一个简单的判断标准：这个地址，你是否愿意让它出现在搜索结果里。

哪些 URL 不该放

• 被 noindex 的页面：两个信号互相打架，只会浪费抓取
• 301、302 跳转的地址，直接写跳转后的目标页
• 404、410，以及已经下线的短期活动页
• 排序、筛选、会话、追踪参数拼出来的地址
• 需要登录或填表之后才能看到内容的页面
• 站内搜索结果页、几乎没有正文的薄标签页和空白页

数量、分片和格式上的常规做法

• 一个文件别塞太多。URL 数到达几万条量级时，就该考虑拆分，降低单次读取失败的影响面
• 用 sitemap 索引文件把多个子 sitemap 串起来，按栏目或内容类型划分，出问题时容易定位是哪一块
• lastmod 写真实的最后修改时间。如果每次生成都刷成当前时间，这个字段很快就没有参考价值
• 文件可以压缩，但里面的地址要是完整绝对地址，带上协议和主机名
• 在 robots.txt 里声明 sitemap 地址，方便蜘蛛找到入口
• 站点规模不大时，一个文件加一行声明就够了，不必为了显得专业硬拆成十几份

怎么判断 sitemap 有没有起作用

• 在服务器日志里找 sitemap 文件的访问记录，看蜘蛛是否定期来读，以及读的是哪个子文件
• 观察新 URL 在 sitemap 里出现后，几天内是否被访问过，而不是长期没有动静
• 如果 sitemap 被频繁读取，但里面的地址迟迟不被抓取，问题多半出在页面本身或站点整体抓取情况上
• 如果 sitemap 从不被读，先检查 robots.txt 的声明、文件能否正常访问、返回状态是否正确

它和内链的关系

sitemap 是辅助通道，主力仍然是站内链接。内链结构清晰、层级不深的时候，页面的发现节奏通常更稳，也更少依赖一份文件是否被及时读取。两者配合使用，比只靠其中一项更可靠。

把 sitemap 当成一份“愿意被看到的 URL 清单”来维护：定期清理失效、跳转和重复项，比一次性生成几万条然后长期不管，效果要好得多。