站点地图（sitemap）是站点主動向搜尋引擎說明“我有哪些頁面”的文件。它不保證頁面被收錄，也不保證排名，但确實能帮助蜘蛛更快發現新地址、了解頁面的更新時間。不少站点把它当成一次性配置，上线时提交一次就再没管過，结果文件里躺着几百個已经刪除的 URL，新開的栏目却一個都没進去。
先確認它到底在做什么
常见的誤解是把 sitemap 当作收錄開關。實际上它更像一份對外的地址清單：告诉爬虫哪些 URL 存在、大概多久更新一次。真正决定是否收錄的，還是頁面本身的质量、可訪問性和站内連結结构。把它整理干净，收益是让發現過程更顺畅，而不是让頁面凭空出現。
内容自查清單
清單里有没有不该出現的地址
- 已設定 noindex 的頁面不必再放進 sitemap，两邊信号互相矛盾。
- 返回 404 或 301 的舊地址，應從清單中移除或替換成最终地址。
- 带跟踪參數的 URL、站内搜尋结果頁、分頁的深层翻頁，通常不值得單獨列出。
- 需要登入才能訪問的頁面，蜘蛛拿到的只是跳轉或空白，列進去意义有限。
lastmod 要尽量真實
有些 CMS 在發布任何内容时都會刷新全站 lastmod，结果所有頁面的更新時間都顯示為今天。這類信号用久了會被忽略。更稳妥的做法是让 lastmod 只在正文實质變化时更新，比如内容修订、價格調整、資料补充，而不是模板改動或评论新增。
單文件規模與拆分
單個 sitemap 文件一般建议不超過 5 萬條 URL，未压缩体积控制在 50MB 以内。内容量大的站点可以按栏目或内容類型拆分，再用一個索引文件把它們串起来。這样局部更新时不必重寫整份文件，排查問题也更快。
格式與訪問细节
- URL 寫完整地址，包含协议與域名，不要只用相對路径。
- 特殊字符做轉义，避免解析失敗。
- XML 声明與命名空間按規范寫，別手工拼出语法错誤。
- 文件本身要能直接訪問並返回 200，不要被 robots.txt 挡住。
更新與提交的节奏
- 内容發布後只重建對應栏目的 sitemap，而不是每天全量重寫。
- 在 robots.txt 中声明 sitemap 地址，方便爬虫自行發現。
- 在搜尋资源平台手動提交有變更的部分，作為补充手段。
- 每月抽查一次：随机取几條 URL，確認可訪問、内容與清單描述一致。
怎么判断有没有起作用
比較直接的办法是看服務器日誌：統計蜘蛛對 sitemap 文件的請求频率，以及請求之後是否跟進了對清單中新 URL 的抓取。如果文件每天被拉取，新頁面却迟迟没動静，問题通常不在 sitemap，而在站内連結、頁面质量或服務器响應速度上。反過来，如果日誌里几乎看不到對 sitemap 的請求，先检查文件是否可訪問、是否寫错了域名。
站点地图能做的只是把门牌号寫清楚，訪客進不進来，還是要看屋里有什么。
小结
把 sitemap 当作一項需要長期维護的基础設定：定期清理失效地址、保證 lastmod 诚實、規模大了就拆分、發布後及时更新。它不會让排名凭空上升，但能让新内容少走一些弯路。