站点地图（sitemap）常被当成一次性任务：建站时生成一份，提交上去，然后几年不管。但站点结构、栏目和内容都在变，一份长期不更新的站点地图，慢慢就会变成“过期清单”——里面留着已下线的页面，缺着新增的栏目，lastmod 时间还停在上线那天。它不会立刻引发什么故障，却会让搜索引擎在判断“这个站最近有什么新东西”时缺少可靠依据。
先明确站点地图的定位
站点地图的作用是辅助发现，而不是替代抓取和索引判断。它告诉爬虫“这些地址存在，大致什么时候变过”，但页面能不能被索引、以什么位置出现，仍然取决于内容质量与站内结构。因此自查的目标不是把 URL 数量做大，而是让这份清单和站点现状保持一致。
自查一：里面放的是不是值得被索引的地址
- 只保留返回 200、且允许被索引的页面，把被 robots 屏蔽、需要登录、带 noindex 的地址剔除。
- 筛选、排序、站内搜索结果这类参数组合页不要批量塞进去，它们数量巨大且内容重复。
- 草稿、预览、测试域名、内部后台地址一律不进。
- 已下线的老页面如果是 404 或 410，直接从地图里删掉，而不是留着等失效。
自查二：lastmod 是否说了实话
不少程序生成地图时会统一写入生成时间，结果所有页面的 lastmod 都是“今天”，这个字段也就失去了参考价值。比较稳妥的做法是：只有正文内容发生实质修改时才更新 lastmod，模板调整、广告位变化、评论区新增不在此列。如果做不到精确，宁可省略该字段，也不要用批量刷新的时间凑数。
自查三：分片与规模
单份地图文件建议控制在 5 万条 URL、未压缩 50MB 以内，超出后拆成多个分片，并用索引文件统一列出。分片不要随便切，可以按栏目或内容类型划分，这样日后某个栏目整体调整时，只需重新生成对应分片即可。
如果站点有多个子域或独立板块，可以考虑分别生成，便于定位问题，也便于在站长平台里单独观察数据变化。
自查四：和站点其他配置保持同步
- 地图地址要在 robots.txt 中声明，路径别写错，协议和域名也别漏。
- 改版、换域名、栏目下线之后，地图要跟着重新生成，别留着旧域名的地址。
- 站点若有新闻、视频或图片内容，可以额外生成对应的专用地图，但基础地图仍要维护好。
- HTTPS 与 HTTP、带 www 与不带 www 之间只保留一种形式，地图里不要混用。
自查五：验证不能只看“已提交”
在站长平台看到“已提交”，只说明文件被读取了，不代表其中地址被处理。可以结合三点判断：一是服务器日志里地图文件是否被定期抓取；二是地图中的新页面是否在合理时间内出现在抓取日志里；三是抽查若干地址，确认状态码正常、内容可访问。如果某个新栏目长期没动静，问题往往不在蜘蛛，而在站内缺少入口或地图没更新。
一个可持续的维护节奏
- 内容发布后由程序自动增量更新地图，减少人工遗漏。
- 每月做一次抽样检查，看 lastmod、状态码、域名形式是否正常。
- 每次改版、栏目调整、批量下线内容后，手动重新生成一次全量地图。
- 每季度复盘一次：地图里哪些地址长期没有抓取，是没入口，还是已经被忽略。
站点地图不是提交得越多越好，它是给爬虫看的一份目录。目录和实际货架对不上，找东西的人只会更费劲。
把站点地图当成一份需要定期核对的清单，而不是一次性的提交动作，工作量其实不大：多数环节可以自动化，剩下的就是在每次结构调整时顺手更新。它带来的好处未必是立竿见影的排名变化，而是让站点在“被发现”这一环少出岔子。