搭蜘蛛池时，很多人把精力都花在入口頁本身能不能被抓，却忽略了 sitemap 這條更直接的發現通道。入口頁要不要寫進 sitemap、以什么方式提交，其實取决于入口頁的性质和更新节奏，並不是“全都塞進去”就萬事大吉。
先判断入口頁算不算“值得收錄的頁面”
sitemap 的语义是“站点希望搜尋引擎收錄的 URL 清單”。如果入口頁只是連結中轉，内容單薄、没有獨立價值，整批塞進 sitemap 並不合适。搜尋引擎對 sitemap 里的低质頁面容忍度有限，空壳 URL 太多會拉低整份文件的可信度。更稳妥的做法是：只把有實际内容、會長期维護的入口頁寫進去，其余靠站内連結自然發現。
這几種情况适合放進 sitemap
- 入口頁數量可控，每頁有獨立标题和一段可讀内容；
- 入口頁會定期調整連結，希望搜尋引擎按节奏回訪；
- 入口頁與主站不在同一目錄，靠内鏈很难被爬到；
- 你确實需要借助 lastmod 传递“這頁變過”的信号。
sitemap 與手動 URL 提交的分工
sitemap 适合批量、長期的告知，一次声明後搜尋引擎會按自己的节奏回看；單條 URL 提交更适合新頁面首轮触發，或者少量入口頁需要尽快進入發現队列时使用。两者不冲突，但没必要對同一批 URL 反复手動提交，频率過高並不會加快抓取，反而容易被视為噪声。
lastmod 要如實寫，別每次都刷成目前時間
lastmod 是 sitemap 里少數會被認真對待的字段。如果每次生成 sitemap 都無脑刷新成当天時間，重复几次之後這個字段基本失去參考價值，搜尋引擎會轉而忽略它。建议只在入口頁内容真正變化时更新，並尽量使用带时区的完整時間戳。
changefreq 和 priority 不用太纠结
這两個字段的權重很低，多數情况下搜尋引擎自行判断抓取节奏，填得過细反而容易自相矛盾。用统一值或者直接省略，都不會有明顯影响。
几個容易踩的坑
- sitemap 里混入大量 404、跳轉或已下线的入口頁，長期不清理；
- 單份文件超出條目或体积上限却没有拆分，導致整份解析失敗；
- 用了 gzip 压缩但响應头類型寫错，解析器讀不出来；
- robots.txt 里没有声明 Sitemap 地址，只能等搜尋引擎偶然發現。
sitemap 只是告知，不保證抓取，更不保證收錄。它的價值在于降低發現成本，而不是替代頁面本身的质量和内鏈结构。
一個可执行的上线顺序
- 確認入口頁可正常訪問、返回 200，且不是软 404；
- 生成 sitemap 並校驗格式，用浏览器直接打開確認可讀；
- 在 robots.txt 中声明 Sitemap 地址；
- 到搜尋资源平台提交，並记錄提交時間；
- 观察服務器日誌里 sitemap 文件的抓取记錄，以及入口頁抓取數量的變化趋势。
观察一到两周後，如果 sitemap 本身被正常抓取，而入口頁仍没有動静，問题通常就不在提交环节，而要去检查入口頁的可訪問性、内鏈结构和内容质量了。