不少人把站点地图（sitemap）当成收录开关：文件提交上去，就等着页面进索引。实际用一段时间会发现，sitemap 状态显示“成功”和页面真正被收录之间，还隔着好几道关卡。搞清楚它到底在流程的哪个位置起作用，能省掉很多无效折腾。

sitemap 解决的是发现问题，不是收录问题

蜘蛛发现一条 URL，通常有几个来源：站内链接、外链、sitemap，以及历史抓取记录。sitemap 的价值在于，它能让那些内链较弱或层级较深的页面也进入待抓取队列，尤其是新站、内链结构还没搭好的站点。

但被发现只是第一步。后面还有抓取、内容解析、质量判断、索引归属这几关，每一关都可能让页面停在原地。所以看到“sitemap 已读取，但页面没收录”，不必先怀疑文件本身，更多时候问题出在页面内容和站点结构上。

哪些 URL 值得写进 sitemap

一个基本判断标准是：这条 URL 你希望它出现在搜索结果里，并且它确实能独立满足用户需求。按这个标准，可以这样取舍：

• 放进：正文页、产品页、有独立价值的分类页、更新频率稳定的栏目页。
• 不放：返回 404 或 410 的地址、重定向跳转用的 URL、带 noindex 的页面。
• 谨慎放：筛选参数页、排序页、分页中的深层页、内容高度雷同的聚合页。这些通常是抓取预算的消耗大户，放进去容易让真正重要的页面排队更久。
• 写法上尽量只放规范地址。同一内容有多种写法时，sitemap 里出现多个版本，会给索引归属增加不必要的判断成本。

几个高频的写法问题

lastmod 随手填

lastmod 的作用是告诉蜘蛛“这页确实变了”。如果每次生成 sitemap 都统一写上当天日期，等于持续发出错误信号。短期内蜘蛛可能增加访问，但几次下来发现内容没变，这个字段的参考价值就会下降。建议只在内容有实质改动时更新，且与页面上的可见更新时间保持一致。

把不可索引的 URL 也塞进去

被 robots.txt 屏蔽的地址、需要登录才能看的页面、返回 5xx 的地址，写进 sitemap 只会换来一批无效抓取。提交前扫一遍状态码和 robots 规则，比事后排查省事。

分片与索引文件没配对

单个 sitemap 文件有数量和体积上限，超过就要拆分成多个子文件，再用一个索引文件（sitemap index）把它们串起来，并且在 robots.txt 或站长平台里提交索引文件本身。常见错误是子文件都提交了，索引文件却没更新，或者子文件换了命名但索引里还是旧路径。

提交之后的自查顺序

如果提交了一段时间仍没动静，可以按这个顺序看：

1. 确认 sitemap 文件能被正常访问，返回 200，内容是合法的 XML，没有多余的 HTML 转义错误。
2. 确认文件里没有混入 noindex、重定向或错误状态的 URL。
3. 抽查几条目标 URL，直接在浏览器里访问，看内容是否完整、是否需要登录、是否有前端渲染才出现的内容。
4. 看这些页面在站内有没有内链指向。sitemap 能帮忙发现，但内链才是蜘蛛持续回访的主要路径。
5. 对比抓取日志，确认蜘蛛是否来过这些地址。来了但没收录，问题在内容侧；根本没来，问题在发现和抓取配额侧。

把 sitemap 理解成一份“候选清单”更准确：它告诉蜘蛛有哪些地址值得一看，但看不看、收不收，最终取决于页面本身的质量和站点整体的可信度。

说到底，sitemap 是一个低成本的辅助工具，维护它的重点是准确和干净，而不是塞得越多越好。与其反复调整文件格式，不如把精力放在内容是否独立成篇、内链是否通畅、同一内容是否只有一个主地址上——这些才是影响收录结果的主要因素。