XML 站点地图（sitemap）常被当作“提交一次就不用管”的文件。它确实是搜索引擎发现 URL 的辅助入口，但如果地图里塞满失效地址、参数页和重复链接，蜘蛛按图索骥时就会浪费抓取预算，甚至对整份清单的信任度下降。下面这份自查清单，适合在站点运营的固定巡检里过一遍。
先看地图里有没有不该出现的地址
站点地图的核心作用是列出现有、可访问、值得抓取的规范页面。以下几类地址出现在地图里，通常弊大于利：
- 已经返回 404 或 410 的页面，尤其是批量下线的旧内容；
- 会跳转到其他地址的 URL，比如旧域名、旧栏目路径；
- 设置了 noindex 的页面，或者登录后才可访问的页面；
- 带筛选、排序、追踪参数的列表页，容易生成大量近似地址；
- 分页地址是否全部列入，需要根据站点实际情况判断，通常不必把每一页都塞进地图；
- 测试域名、临时预览地址、草稿页面的链接。
这些地址不一定完全不能出现，但至少要有明确理由。如果只是程序自动生成时“顺手带上”，建议在生成规则里过滤掉。
lastmod 别当成“批量刷新”工具
lastmod 用来告诉搜索引擎页面最后一次实质性更新的时间。有些站点为了显得“活跃”，每次发布新文章就把全站页面的 lastmod 改成当天，或者用定时任务统一刷新。这样做短期看似热闹，实际会让搜索引擎逐渐忽略这个字段，甚至对整份地图的更新时间产生怀疑。
lastmod 的价值在于准确，不在于新。只有正文、标题、价格、库存等核心内容发生变化时，才值得更新对应页面的时间。
如果站点用的是 CMS 自动生成，可以检查一下：修改导航、换模板、调整广告位，是否也会触发全站 lastmod 变化？如果是，建议把时间字段绑定到内容主体，而不是页面渲染时间。
拆分与索引文件：别让一份地图扛全站
单个 XML 文件有 URL 数量和体积限制，大型站点通常需要拆成多个子地图，再用 sitemap index 汇总。拆分不只是为了绕过限制，也方便排查问题：
- 按栏目拆分，比如文章、产品、专题、问答各一份；
- 按内容类型拆分，把新闻、图片、视频地图分开；
- 保留一份索引文件，放在根目录或 robots 中声明的路径下。
如果某份子地图大面积报错，你能快速定位到对应栏目，而不是面对一份几万条地址的总表发呆。
地图地址要和 canonical 保持一致
站点地图里应该只放规范地址。同一篇内容如果同时存在带参数版本、带 www 和不带 www 版本、大小写不同版本，地图里只保留最终展示给用户和搜索引擎的那一个。否则蜘蛛会从地图里拿到多个“入口”，而页面本身又通过 canonical 指向另一个地址，容易造成信号混乱。
检查方法很简单：随机抽取地图里的几十条地址，逐条访问，看返回状态、最终落地地址和 canonical 是否一致。发现有偏差时，优先修复生成规则，而不是手动改地图文件。
提交入口与 robots 的配合
站点地图文件本身不应被 robots.txt 屏蔽。如果站点用了较严格的爬虫规则，确认没有误伤 /sitemap.xml 或子地图目录。同时，可以在 robots.txt 里写一行 Sitemap 声明，也可以在搜索引擎的站长后台手动提交或观察抓取情况。
需要提醒的是，提交站点地图不等于保证收录。它只是帮助搜索引擎发现 URL 的辅助手段，页面能否被索引，仍取决于内容质量、抓取预算、站点整体信任度等因素。
固定巡检节奏
建议把站点地图检查放进每月的运营巡检，重点看几个指标：
- 地图中返回 404、301、noindex 的地址比例是否升高；
- lastmod 是否出现“全站同一天”的异常分布；
- 子地图是否全部可访问，索引文件是否完整；
- 搜索引擎后台的地图状态是否有错误提示；
- 新栏目上线后，是否及时加入对应的子地图。
站点地图不需要天天改，但需要和站点结构同步。把它当成一份对外公开的地址目录，定期清理无效条目，比频繁提交一份越来越长的旧清单更有意义。