不少站点把 sitemap 当成收錄的開關，文件一提交，就等着頁面出現在搜尋结果里。几天没有動静，就開始怀疑文件格式、路径或者提交方式出了問题。實际上，sitemap 影响的是收錄鏈路里的第一环，它不负责後面的结果。
sitemap 解决的是 URL 發現
一個頁面進入索引，大致要经過發現、抓取、處理、索引几個环节。sitemap 的作用主要在發現這一步：它把一批 URL 集中摆到搜尋引擎面前，省去爬虫顺着連結一层层找的過程。對于連結层級深、入口少的頁面，這個提示确實有用。
但被發現不等于被收錄。爬虫拿到地址之後，還要判断這個頁面值不值得抓、抓回来值不值得索引。内容單薄、和已有頁面高度重复、质量不達标的頁面，即使寫進 sitemap 並且被訪問過，也可能長期停在“已發現”的狀態。
把 sitemap 理解成一張清單，而不是一張通行證。
哪些 URL 值得寫進去
- 返回 200 的規范地址，不要寫還會 301、302 跳轉的舊地址
- 内容會持續更新、希望被反复抓取的頁面，比如文章詳情、商品詳情
- 入口較深，外鏈和内鏈都很难覆盖到的頁面
- 數量不大但重要的核心頁面，可以單獨列一份並同步 lastmod
寫進去的地址要尽量保持唯一：带不带 www、结尾有没有斜杠、參數顺序是否固定，都要和頁面里的規范地址一致。同一個頁面在 sitemap 里出現两種寫法，等于把重复問题又放大了一遍。
哪些 URL 不该放
- 404、410 以及其他打不開的地址
- 已经設定了 noindex 的頁面，两個信号互相矛盾
- 需要登入、或带临时會话參數的頁面
- 篩選、排序、分頁组合出来的參數地址，數量會迅速膨胀
- 被 robots.txt 封禁、却仍寫在 sitemap 里的地址
最後一條容易被忽略：一邊用 robots.txt 挡住目錄，一邊把里面的 URL 列進 sitemap，爬虫只會看到一堆拿不到的地址。長期這么寫，會让搜尋引擎對整份文件的准确性打折。
几個容易踩的誤区
提交之後马上就能收錄
sitemap 只是提供线索，抓取和索引各有节奏。刚上线的頁面需要時間积累信号，提交当天没有结果很正常。判断是否有效，看的是爬虫有没有按文件里的地址訪問，而不是搜尋结果條數的變化。
文件越大越好
sitemap 有單文件和單站点數量上限，超過之後需要拆分並用索引文件串联。但更實际的問题是：一份塞满低质頁面的 sitemap，反而會稀释其中真正重要 URL 的分量。宁可少而准，不要多而杂。
lastmod 随便填
lastmod 是给爬虫判断更新時間的參考。如果每次生成文件都把時間刷成目前時間，這個字段就失去了意义，時間一長會被直接忽略。只有内容确實變了，才更新對應的時間。
怎么核對它有没有起作用
- 看服務器日誌里爬虫對 sitemap 文件的請求频率，判断它是否在被定期讀取
- 對照文件里的 URL 列表和日誌里的抓取记錄，看哪些地址始终没有被打過
- 把持續被抓取却不進索引的頁面單獨拎出来，检查内容质量和重复情况
這样一圈下来，通常能分出两類問题：一類是压根没被發現，另一類是發現了但没通過质量這一關。前者可以靠 sitemap 和内鏈優化，後者只能回到頁面本身去解决。
维護 sitemap 的功夫，其實花在篩選上：把真正希望被收錄、也经得起检查的地址放進去，其余交给 robots.txt、noindex 或規范标簽處理。把它当成一份需要定期整理的清單，比当成一個提交動作更有價值。