不少站点运营者会默认一件事：把 URL 写进 sitemap 并提交，搜索引擎就会很快收录。实际操作中，sitemap 更多是辅助发现，它告诉蜘蛛“这里有个地址”，但最终是否抓取、是否进入索引，还取决于页面本身和站点整体信号。提交后没动静，先别急着反复提交，按下面顺序核对一遍。

一、先分清“发现”和“收录”

URL 发现是蜘蛛知道这个地址存在；抓取是蜘蛛过来取回内容；收录是内容经过质量判断后进入索引。sitemap 主要作用于第一步。如果页面连抓取都没有，检查发现入口；如果抓取了却没收录，问题通常在页面质量、重复内容或规范选择上。

二、核对 sitemap 里的 URL 是否可正常访问

• 返回状态码是否为 200，而不是 301、302、403、404 或 5xx。
• 是否被 robots.txt 禁止抓取。被屏蔽的 URL 放进 sitemap 通常没有意义。
• 页面是否需要登录、是否依赖 Cookie 或地区限制。蜘蛛拿不到内容，自然无法进一步判断。
• 是否被 noindex 标记。noindex 页面可以提交，但通常不会被保留在索引里。

这些基础项没通过时，sitemap 写得再完整也很难推进到收录阶段。

三、检查 sitemap 自身的常见问题

• 格式与编码：XML 结构是否完整，中文 URL 是否做了正确编码，特殊符号是否转义。
• 数量与体积：单个 sitemap 文件不要塞入过多 URL，超出限制时用索引文件拆分。
• lastmod 是否可信：每次改一点内容就更新时间，会让这个字段失去参考价值。
• 死链和重定向比例：sitemap 里大量 404 或跳转，会降低整体可信度。
• 是否包含不该收录的 URL：标签页、筛选参数页、重复的排序页，不建议无差别提交。

四、发现之后，页面质量决定是否入索引

蜘蛛抓取到页面后，会判断它是否值得保留。常见阻碍包括：正文过薄、模板重复度高、多个 URL 内容高度相似、canonical 指向混乱、页面主要靠 JS 渲染导致正文缺失。sitemap 无法替代这些判断。如果同一批 URL 中大量页面内容雷同，索引可能只保留其中一两个版本。

五、别把 sitemap 当成唯一发现入口

内链仍然是重要的发现路径。一个页面如果只出现在 sitemap 里，站内没有任何链接指向它，抓取优先级通常会偏低。建议在相关栏目、正文或导航中给出合理的入口，锚文本尽量描述页面主题。sitemap 和内链配合，比单独依赖某一种方式更稳妥。

六、按这个顺序排查

1. 随机抽取未收录 URL，手动访问，确认状态码和内容正常。
2. 查看 robots.txt 和页面 meta robots，排除误屏蔽。
3. 检查 sitemap 格式、编码、lastmod 和死链比例。
4. 用站内搜索或链接工具确认页面是否有内链入口。
5. 对比同批页面，看是否存在重复内容或规范标签冲突。
6. 检查页面正文是否可被直接抓取，JS 渲染是否导致空壳。
7. 观察服务器日志或抓取统计，确认蜘蛛是否来过。

sitemap 提交只是把地址放到蜘蛛面前，是否收录仍要看页面能否被抓取、内容是否独特、站点结构是否清晰。排查时先解决“能不能发现”，再看“值不值得收录”。

最后提醒一点：不要因为短期没收录就反复删除、重建 sitemap，或批量提交大量低质 URL。保持 sitemap 干净、URL 可访问、内链合理，通常比频繁操作更有帮助。