sitemap 经常被当成一个"生成好丢上去就完事"的技术活,实际上它是一份给搜索引擎的站点清单,里面每一条URL都是一次承诺:这个地址值得被抓取、内容是有效的、它代表这个页面本身。清单里混入不该出现的地址,会直接稀释这份承诺的可信度。对页面量大、产品线复杂、还在持续更新内容的企业来说,sitemap 的规划质量往往决定了搜索引擎对"哪些页面重要、哪些是新内容"的判断效率。
sitemap 能做什么,不能做什么
先划清边界,这一步能省掉大量无效预期。
它能做的三件事。第一是主动提供URL清单,让搜索引擎不依赖链接结构就能发现你的页面,尤其是孤岛页面和层级较深的产品页。第二是传递变更提示,通过 lastmod 告诉搜索引擎哪些页面最近有改动,便于安排重新抓取。第三是声明覆盖范围,让站长平台能给出"你提交了多少、被索引了多少"的对照,形成一份可核查的清单。
它不能做的三件事。第一,不承诺收录——sitemap 里的URL只是候选,收录与否由抓取、渲染、索引三段链路决定。第二,不能提交不可抓取的URL——被 robots.txt 屏蔽、被防火墙拦截、需要登录的地址,写进 sitemap 只会得到抓取失败报告。第三,不提升排名——sitemap 不携带任何排名信号,把URL塞进sitemap并不等于给它权重,它更像是一份索引清单而不是投票。
还有一个常被误解的点:sitemap 里的URL必须与该站点同主机名,路径要写成完整形式的URL,含空格或特殊字符时要做URL编码。跨站提交虽然存在(例如为合作站点提交需要验证所有权),但对普通企业站点没有实际意义。
按内容类型拆成多个 sitemap
不是所有页面都该装在同一个文件里。规范给出的硬约束是:单个 sitemap 文件最多包含 50,000 个URL,未压缩体积不超过 50MB。超过这个规模,就必须拆分并用一个 sitemap 索引文件(sitemap index)把子文件组织起来。拆分不是被动的应对,而是主动的规划手段——它能让不同类型页面的抓取优先级被分开管理。
推荐的拆分维度是按内容类型,而不是按栏目层级:
- 页面 sitemap。常规HTML页面,产品详情页、文章页、公司介绍页、服务页。
- 图片 sitemap。图片需要单独的命名空间与条目结构,标注图片地址、标题、说明。对做工业设备、汽配、建材这类依赖图片表达产品的站点尤其有用。
- 视频 sitemap。标注视频地址、标题、描述、时长、缩略图与发布日期。
- 新闻 sitemap。用于时效性强的内容,需要标注发布时间与新闻标题。
拆完之后再按需要进一步细分,比如把产品页与文章页分成两个文件,把某个体量特别大的产品线单独拆出去。索引文件的写法是每行一个子文件的引用地址,附上该子文件的 lastmod:
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"><url><loc>https://example.com/sitemap-products.xml</loc><lastmod>2026-11-01</lastmod></url>...</sitemapindex>
注意:索引文件里写的是子sitemap文件的地址,不是页面地址,两者不要混。
哪些 URL 该进,哪些不该进
筛选规则可以直接写成一张清单,方便开发对照执行。
| 判定维度 | 应该收录 | 应当排除 |
|---|---|---|
| 状态码 | 200 | 301、302、404、410、5xx |
| 索引指令 | 可索引、无noindex | 带noindex或被robots.txt屏蔽 |
| canonical | 自引用canonical指向自身 | canonical指向的是另一个URL |
| 内容价值 | 有独立正文与实质信息 | 筛选参数页、搜索结果页、空列表页 |
| 唯一性 | 与站内其他URL内容不同 | 仅排序或分页参数不同的重复页 |
其中最容易被忽略的是canonical 一致性这一条。如果一个URL的canonical指向另一个地址,而它自己又出现在sitemap里,你就等于同时告诉搜索引擎两件互相矛盾的事。实践中应该让 sitemap 只承担"列出主版本"的角色:重复页不出现在清单里,由canonical在页面内部完成指向关系。
还有一条实践上的建议:sitemap 应当只包含规范化的、最终形态的URL。带追踪参数、带会话标识、带排序参数的地址不要写进去,避免把同一个页面当成几十个不同页面提交。
lastmod 怎么写才对
lastmod 是 sitemap 里技术含量不算高、却容易被写坏的字段。搜索引擎在意的是准确性,不是精度——它需要知道的是"这个页面自上次抓取以来有没有实质变化",而不是"最后一次改动精确到哪一分钟"。
三条实用规则:
- 精度保持一致。要么全部只写到日期(
2026-11-01),要么全部写完整时间戳。不要一部分带时分秒、一部分不带,格式混杂会影响解析。 - 只在内容实质变化时更新。模板调整、导航顺序变化、类目名称修改,不构成页面内容变化,此时沿用旧的
lastmod。 - 不要写未来日期。把
lastmod设成当天或次日,在部分平台上会被直接判定为不可信,整个文件的变更提示价值随之作废。
与之配套的一条纪律是:不要每次生成 sitemap 都把 lastmod 重写成今天。这会让所有URL看起来每天都在变,搜索引擎无法据此判断哪些是真的更新了,抓取资源也会被浪费在无意义的复查上。正确做法是让 sitemap 从内容管理系统读取每个URL真实的最后修改时间。
文件组织、提交与提交后的验证
文件放哪里、叫什么。放在站点根目录或任意可访问的目录都可以,文件名用小写英文加连字符比较稳妥,例如 sitemap-products.xml、sitemap-articles.xml,索引文件通常是 sitemap.xml。
怎么告诉搜索引擎。两条路径:一是到站长平台提交(Google Search Console 的站点地图工具、百度搜索资源平台的站点地图提交),二是在 robots.txt 里写一行 Sitemap: https://example.com/sitemap.xml。这两条是互补的,站点地图较大时建议两条都做。
提交后看什么。站长平台的站点地图报告会给出几个关键对照:已提交的URL数量、已索引的URL数量、两者差额意味着尚未进入索引的数量,以及一份"提交时未找到"的URL列表及其原因。这份列表是最有价值的排查入口——它会直接指出哪些URL返回了错误状态、哪些被 robots.txt 屏蔽、哪些在提交后发生了跳转。看完这份报告,才知道是清单本身有问题,还是被收录的链路有问题。
对GEO场景来说,sitemap 的意义比很多人以为的更大。AI爬虫同样需要一份可靠的页面清单来建立抓取队列,尤其在内容更新频繁、页面结构由前端路由决定的站点上。Sitemap 决定的是AI能拿到哪些页面;而这些页面里写的是什么事实、实体信息是否一致,才决定AI在答案里怎么描述你。这两件事是同一套地基的前后两段:SEO与GEO共用同一套内容与实体基础,技术层面的梳理最终都指向同一个终点——让机器准确地读懂你。
铭赞经验:铭赞在接手站点时,sitemap 的排查通常是拿来做"体检第一项"的,因为生成它的脚本往往同时暴露了URL管理混乱的问题。清单里的URL数量与站点地图报告里的已索引数量差距明显时,先别急着加内容,先把清单本身修干净。
下一步行动
想知道自己站点的 sitemap 是否合理、提交与索引之间差了多少?铭赞提供免费SEO与GEO基线诊断——核对清单内容、状态码、canonical与索引指令,输出该收录与该排除的URL清单,并同步评估AI爬虫的发现效率。电话 13991172090,或访问 xamz.cn/geo/diagnosis.html 在线申请。
铭赞网络的服务范围覆盖GEO优化、SEO、网站建设和外贸营销,服务电话 13991172090。