XML 站点地图（sitemap）常被当作“提交一次就不用管”的文件。它确實是搜尋引擎發現 URL 的辅助入口，但如果地图里塞满失效地址、參數頁和重复連結，蜘蛛按图索骥时就會浪費抓取预算，甚至對整份清單的信任度下降。下面這份自查清單，适合在站点运营的固定巡检里過一遍。
先看地图里有没有不该出現的地址
站点地图的核心作用是列出現有、可訪問、值得抓取的規范頁面。以下几類地址出現在地图里，通常弊大于利：
- 已经返回 404 或 410 的頁面，尤其是批量下线的舊内容；
- 會跳轉到其他地址的 URL，比如舊域名、舊栏目路径；
- 設定了 noindex 的頁面，或者登入後才可訪問的頁面；
- 带篩選、排序、追踪參數的列表頁，容易生成大量近似地址；
- 分頁地址是否全部列入，需要根據站点實际情况判断，通常不必把每一頁都塞進地图；
- 測試域名、临时预览地址、草稿頁面的連結。
這些地址不一定完全不能出現，但至少要有明确理由。如果只是程序自動生成时“顺手带上”，建议在生成規則里過滤掉。
lastmod 別当成“批量刷新”工具
lastmod 用来告诉搜尋引擎頁面最後一次實质性更新的時間。有些站点為了顯得“活跃”，每次發布新文章就把全站頁面的 lastmod 改成当天，或者用定时任務统一刷新。這样做短期看似热闹，實际會让搜尋引擎逐渐忽略這個字段，甚至對整份地图的更新時間产生怀疑。
lastmod 的價值在于准确，不在于新。只有正文、标题、價格、库存等核心内容發生變化时，才值得更新對應頁面的時間。
如果站点用的是 CMS 自動生成，可以检查一下：修改導航、換模板、調整广告位，是否也會触發全站 lastmod 變化？如果是，建议把時間字段绑定到内容主体，而不是頁面渲染時間。
拆分與索引文件：別让一份地图扛全站
單個 XML 文件有 URL 數量和体积限制，大型站点通常需要拆成多個子地图，再用 sitemap index 匯總。拆分不只是為了绕過限制，也方便排查問题：
- 按栏目拆分，比如文章、产品、专题、問答各一份；
- 按内容類型拆分，把新闻、图片、视频地图分開；
- 保留一份索引文件，放在根目錄或 robots 中声明的路径下。
如果某份子地图大面积报错，你能快速定位到對應栏目，而不是面對一份几萬條地址的總表發呆。
地图地址要和 canonical 保持一致
站点地图里應该只放規范地址。同一篇内容如果同时存在带參數版本、带 www 和不带 www 版本、大小寫不同版本，地图里只保留最终展示给用戶和搜尋引擎的那一個。否則蜘蛛會從地图里拿到多個“入口”，而頁面本身又通過 canonical 指向另一個地址，容易造成信号混乱。
检查方法很简單：随机抽取地图里的几十條地址，逐條訪問，看返回狀態、最终落地地址和 canonical 是否一致。發現有偏差时，優先修复生成規則，而不是手動改地图文件。
提交入口與 robots 的配合
站点地图文件本身不應被 robots.txt 屏蔽。如果站点用了較嚴格的爬虫規則，確認没有誤伤 /sitemap.xml 或子地图目錄。同时，可以在 robots.txt 里寫一行 Sitemap 声明，也可以在搜尋引擎的站長後台手動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證收錄。它只是帮助搜尋引擎發現 URL 的辅助手段，頁面能否被索引，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進每月的运营巡检，重点看几個指标：
- 地图中返回 404、301、noindex 的地址比例是否升高；
- lastmod 是否出現“全站同一天”的異常分布；
- 子地图是否全部可訪問，索引文件是否完整；
- 搜尋引擎後台的地图狀態是否有错誤提示；
- 新栏目上线後，是否及时加入對應的子地图。
站点地图不需要天天改，但需要和站点结构同步。把它当成一份對外公開的地址目錄，定期清理無效條目，比频繁提交一份越来越長的舊清單更有意义。