站点地图（sitemap）常被当成一種“提交了就等着收錄”的工具，實际上它只是把一份 URL 清單交给搜尋引擎，等于告诉蜘蛛：這些地址存在，可以来看看。来不来、来几次、看完之後進不進索引，取决于頁面本身的狀態和站点整体质量。把 sitemap 当成线索而不是承诺，後面的判断會顺很多。
只放“希望被索引”的 URL
判断标准並不复杂：這個地址如果被用戶搜到，你愿不愿意它出現在结果里。愿意，再考虑放進去。
- 返回 200 狀態碼，内容公開可訪問，没有登入墙或彈窗遮挡；
- canonical 指向自身，或者它指向的規范版本也在這份清單里；
- 頁面有獨立價值，不是纯篩選结果、排序參數或追踪連結的變体；
- 移動端與桌面端只保留一套主 URL，另一套用對應關系标注，而不是两套並列提交。
這几類地址放進去只會添乱
清單越長越杂，蜘蛛對其中每個地址的信任度就越低。以下這些属于典型的不该提交項：
- noindex 頁面：一邊告诉蜘蛛別索引，一邊把地址递過去，逻辑上自相矛盾；
- 跳轉源地址：301 或 302 的舊 URL 應该提交跳轉後的目标，而不是跳轉前的入口；
- 已失效頁面：404、410 的地址，以及早就下线的活動頁、临时专题頁；
- 參數變体：带 utm、會话、排序、每頁條數參數的 URL，容易被当作重复内容；
- 需要登入的内容：蜘蛛抓到的往往只是登入頁或空白頁，提交了也没有意义。
一句话原則：sitemap 是候選名單，不是收容所。该放的少而准，比一次寫满几萬條更有用。
文件本身的结构细节
單個 sitemap 文件建议不超過 5 萬條 URL、未压缩体积不超過 50MB，超了就拆成多個，再用 sitemap index 串起来。拆分维度按栏目或内容類型划分，比按時間随机切更利于日後排查，比如某個栏目掉出了索引，你能很快定位到對應的那份清單。
lastmod 要寫真實的最後修改時間。如果每次生成都刷新成目前時間，蜘蛛很快會發現這個字段不可信，慢慢就忽略它了。宁可只给确實改動過的頁面更新時間，也不要全量刷。
提交之後怎么驗證
- 在搜尋资源平台的 sitemap 报告里看是否解析成功、讀取了多少條；
- 用平台提供的收錄查询和索引覆盖报告，對比清單中的 URL 數量與實际被索引的數量，這里看的是趋势，不是單條结果；
- 翻蜘蛛訪問日誌，把日誌里的 URL 與清單做交集，看蜘蛛是否真的按清單在抓；
- 抽查若干地址，手動確認狀態碼、canonical、robots 元标簽是否和预期一致。
几個常见誤区
把 sitemap 当收錄開關
提交不等于收錄。如果頁面本身内容單薄、内鏈稀薄、站点整体可抓取资源有限，清單再完整也不會明顯改變结果。它能压缩的是發現成本，压缩不了的是頁面质量這道门槛。
只提交首頁和栏目頁
不少站点只把首頁、频道頁放進去，深层文章指望蜘蛛自己顺着連結爬。结果是点击深度大的頁面長期停留在“已發現未抓取”。把有代表性的内容頁也纳入清單，能减少對爬取路径的依赖。
寫完從不清理
頁面下线、改版、合並之後，舊地址還留在清單里，時間一長就混杂着大量 404 和跳轉。定期按狀態碼筛一遍，比一次性寫完放着不管更實用。
總结来说，sitemap 的價值在于降低 URL 發現的成本：它能把地址送到蜘蛛面前，但替頁面争取收錄這件事，它做不到。让清單保持“少而准”，再配合内鏈结构、狀態碼和内容质量一起看，它才算一個稳定的基础工具。