站点地图（sitemap）很多站点上线时提交过一次，之后就再没打开过。时间一长，里面可能混着已经删除的页面、跳转中的旧地址、带参数的筛选链接，甚至被 robots.txt 屏蔽的目录。它本身不会直接带来排名，但作为 URL 发现的辅助入口，内容是否干净会影响蜘蛛对站点结构的判断。把它当成一份需要定期维护的清单，比一次性提交更有意义。
先想清楚 sitemap 应该放什么
sitemap 的定位是“希望被发现的规范 URL 清单”，不是全站 URL 导出。判断标准可以简单一些：
- 只放返回 200 状态码的页面，且是最终规范版本；
- 优先放栏目页、重要内容页和更新较稳定的页面；
- 不放重定向地址、404 页面、被 noindex 的页面；
- 不放站内搜索结果页、排序筛选参数页、会话 ID 之类的临时链接。
如果站点规模不大，一份 sitemap 就够了；页面较多时，用索引文件（sitemap index）拆分，按栏目或内容类型分组，后续排查也方便。
几个常见的混入问题
失效 URL 长期残留
栏目调整、文章合并、商品下架之后，原 URL 往往还留在 sitemap 里。蜘蛛按图索骥扑空，既浪费抓取，也容易让日志里出现大量 404。可以用脚本定期抓取 sitemap 中的链接，批量检查状态码，把非 200 的挑出来，再决定是恢复、重定向还是删除。
参数页与站内搜索结果混入
有些建站程序会自动把带参数的地址写进 sitemap，比如筛选、排序、分页参数。这类页面内容重复度高，收录价值有限，还可能拖出大量近似 URL。检查 sitemap 生成规则，把参数组合排除掉；确实需要被发现的筛选页，考虑做静态化或独立栏目。
数量与文件体积超限
单个 sitemap 文件有数量与体积上限，通常是 5 万条 URL、未压缩 50MB。超出后搜索引擎可能读不全。用索引文件分片，并保证每份文件内的 URL 都属于同一站点、同一协议。
lastmod 随手填写
lastmod 应该反映页面的实质性修改时间。如果每次发布模板或改一个错别字就全站刷新，或者反过来，内容大改却从不更新，这个字段会失去参考价值。与其乱填，不如留空，或只对真正更新过的页面写入。
把自查变成固定动作
- 定期抓取 sitemap，统计各状态码数量，关注 3xx、4xx、5xx 的变化；
- 抽取部分 URL，核对页面是否可访问、是否与 sitemap 中的地址完全一致；
- 对照栏目和内链，确认重要页面都出现在 sitemap 中；
- 检查 robots.txt 是否误屏蔽了 sitemap 或其中的目录；
- 清理无效项后，重新生成并提交，观察抓取日志里对这批 URL 的访问变化。
别把 sitemap 当成收录开关
sitemap 的作用是帮助发现，不能替代内链、栏目导航和内容质量。页面没有入口、没有价值，放进 sitemap 也不会自动获得好的结果。反过来，如果站内链接已经能顺畅到达，sitemap 更多是补充和核对工具。
把 sitemap 当作一份需要定期打扫的清单：地址是否还有效、是否值得被看到，比里面有多少条更重要。
建议每季度至少检查一次，栏目大调整或批量删除内容后立即复查。维护成本不高，但能减少蜘蛛在无效地址上的空跑，也让站点结构更清晰。