sitemap 解决的是“發現”，不是“收錄”

不少人把 sitemap 当成提交入口：文件一挂，就等着頁面進索引。實际上它只做一件事——把 URL 明确地告诉蜘蛛。發現之後，抓不抓、收不收，仍取决于另外几件事：頁面能不能正常訪問、内容是否有獨立價值、和站内其他頁面是否高度重复、有没有被 noindex 挡住、站点的整体抓取是否顺畅。sitemap 是把门推開，不是把人拉進来。

哪些 URL 适合放進去

• 希望被索引的正文頁、詳情頁、栏目頁，且返回 200、内容可正常渲染
• 靠内鏈不容易走到、但确有價值的頁面，比如层級較深的詳情頁和早期文章
• 刚上线、需要尽快被發現的頁面
• 規范版本 URL，與你選定的 canonical 保持一致

一個简單的判断标准：這個地址，你是否愿意让它出現在搜尋结果里。

哪些 URL 不该放

• 被 noindex 的頁面：两個信号互相打架，只會浪費抓取
• 301、302 跳轉的地址，直接寫跳轉後的目标頁
• 404、410，以及已经下线的短期活動頁
• 排序、篩選、會话、追踪參數拼出来的地址
• 需要登入或填表之後才能看到内容的頁面
• 站内搜尋结果頁、几乎没有正文的薄标簽頁和空白頁

數量、分片和格式上的常規做法

• 一個文件別塞太多。URL 數到達几萬條量級时，就该考虑拆分，降低單次讀取失敗的影响面
• 用 sitemap 索引文件把多個子 sitemap 串起来，按栏目或内容類型划分，出問题时容易定位是哪一块
• lastmod 寫真實的最後修改時間。如果每次生成都刷成目前時間，這個字段很快就没有參考價值
• 文件可以压缩，但里面的地址要是完整绝對地址，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
• 站点規模不大时，一個文件加一行声明就够了，不必為了顯得专业硬拆成十几份

怎么判断 sitemap 有没有起作用

• 在服務器日誌里找 sitemap 文件的訪問记錄，看蜘蛛是否定期来讀，以及讀的是哪個子文件
• 观察新 URL 在 sitemap 里出現後，几天内是否被訪問過，而不是長期没有動静
• 如果 sitemap 被频繁讀取，但里面的地址迟迟不被抓取，問题多半出在頁面本身或站点整体抓取情况上
• 如果 sitemap 從不被讀，先检查 robots.txt 的声明、文件能否正常訪問、返回狀態是否正确

它和内鏈的關系

sitemap 是辅助通道，主力仍然是站内連結。内鏈结构清晰、层級不深的时候，頁面的發現节奏通常更稳，也更少依赖一份文件是否被及时讀取。两者配合使用，比只靠其中一項更可靠。

把 sitemap 当成一份“愿意被看到的 URL 清單”来维護：定期清理失效、跳轉和重复項，比一次性生成几萬條然後長期不管，效果要好得多。