站点地图（sitemap）是给搜尋引擎的一份 URL 清單，作用是帮助發現地址，而不是提交一份收錄申請。理解這一点，後面的取舍就顺了：它能让蜘蛛更快知道有這么個頁面，但頁面最终進不進索引，仍由内容质量、重复程度和站点整体可信度决定。
sitemap 能做什么，不能做什么
- 能做：把新頁面、更新頁面、层級較深的頁面集中暴露给爬虫，减少靠内鏈慢慢被發現的時間。
- 不能做：让低质頁面获得收錄，也不能替代站内連結结构。一個頁面如果没有任何入口連結，只在 sitemap 里出現，被發現之後往往也难以获得持續抓取。
把 sitemap 当作發現通道，不要当作收錄開關。
该放進 sitemap 的 URL
- 返回 200、可正常訪問的規范地址，也就是 canonical 指向自身的那一個。
- 希望被收錄的新頁面，以及近期确實做過内容更新的頁面。
- 层級較深、靠内鏈不易到達的頁面，例如商品詳情頁、文章詳情頁。
- 可索引的列表頁與栏目頁，前提是内容有獨特性、没有被參數污染。
不建议放進 sitemap 的 URL
- 返回 301、302 的跳轉地址，以及 404 和软 404 頁面。
- 被 robots.txt 屏蔽，或頁面本身带 noindex 的地址。這两種情况與提交 sitemap 是矛盾的，只會在报告里留下大量被排除的记錄。
- 典型的重复地址：带排序、篩選、會话、跟踪參數的 URL，以及同一内容的不同寫法。
- 分頁的深层頁和站内搜尋结果頁，除非你确實希望它們參與索引。
- 登入頁、後台、购物车等没有收錄價值的地址。
常见的寫法問题
- lastmod 造假：每次生成文件都寫目前時間，會让搜尋引擎不再信任這個字段，之後真正的更新反而没被注意到。
- 單個文件的條數與体积超出限制，一般建议控制在 5 萬條、未压缩 50MB 以内，超出後按需拆分並寫進 sitemap 索引文件。
- sitemap 自身被 robots.txt 屏蔽，或者文件放在需要登入才能訪問的目錄里。
- 長期提交早已不存在的 URL 而不清理，报告里堆满错誤類型。
提交之後看什么
提交只是開始，接下来要靠資料判断效果：
- 看 sitemap 报告里的已發現網址數量與错誤類型，優先清理 404、跳轉、被屏蔽這几類。
- 對照已發現但尚未抓取的 URL，如果長期排队，先检查抓取量是不是被大量無價值地址占用了。
- 對已抓取的頁面，区分哪些進入了索引、哪些被判定為重复或已抓取未编入索引，再回到頁面本身找原因。
- 结合服務器日誌，確認蜘蛛是否真的按 sitemap 抓取，還是只抓了首頁和几個热门栏目。
和其他手段如何配合
sitemap 解决的是告知，内鏈解决的是可達，两者缺一不可。一個只有 sitemap、没有内鏈入口的頁面，即便被抓到，也很少被持續回訪；反過来，内鏈结构良好的站点，即使 sitemap 更新慢一些，收錄也不會明顯受影响。至于蜘蛛池之類的做法，影响的是 URL 發現和抓取频次這一层，同样不改變頁面的收錄判定结果。
一份顺序清楚的检查清單
- 確認 sitemap 里的地址都返回 200，且 canonical 指向自身。
- 剔除跳轉、404、noindex、被 robots 屏蔽的地址。
- 剔除參數重复和會话跟踪類地址。
- 校驗 lastmod，只在内容真正改變时更新。
- 在 robots.txt 中声明 sitemap 地址，並按体量拆分文件。
- 提交後按报告清理错誤，再结合日誌观察抓取是否覆盖到目标頁面。
把這些做完，sitemap 才算真正發挥了作用。它不會让收錄快多少，但能帮你少掉很多明明提交了却没有反應的困惑。