如何一步步诊断 XML 站点地图问题

XML 站点地图是一份 URL 清单，列出你希望搜索引擎抓取并索引的地址。它并不保证页面被索引，但一份干净的站点地图能帮助搜索引擎发现新增和更新的页面；一份杂乱的站点地图，则会让搜索引擎把精力浪费在重定向、错误页面以及你明明要求不要索引的页面上。如果你对这个文件本身还不熟悉，请先阅读 robots.txt 与 sitemap.xml 详解。

站点地图的问题分为两类：一类出在文件本身（能不能被找到、被读取？），一类出在内容上（里面的 URL 值不值得列出来？）。请按这个顺序检查。

第一部分：站点地图能被找到并读取吗？

它在搜索引擎会去找的地方吗？

站点地图没有唯一的规定位置，所以要让它容易被发现。在 robots.txt 里加一行使用绝对地址的 Sitemap: https://example.com/sitemap.xml，并在 Google Search Console 和 Bing Webmaster Tools 中提交站点地图。许多平台会在 /sitemap.xml、/sitemap_index.xml 或 /wp-sitemap.xml 自动生成一份。

它返回的是 200 和 XML 吗？

在浏览器中打开站点地图的 URL，并在开发者工具里查看状态码。常见的故障有：改动插件之后变成 404、被重定向到首页、跳到登录页，或者出现“软”错误，也就是状态码是 200、实际内容却是一个 HTML 错误页。响应应当是 XML（application/xml 或 text/xml）；对于 .xml.gz 文件，则应当是 gzip 压缩的 XML。

它能被解析吗？

根元素必须是 <urlset>（页面列表）或 <sitemapindex>（其他站点地图的列表）。常见的罪魁祸首包括：<?xml 声明之前多出来的空白或 PHP 警告、URL 中未转义的 & 字符（必须写成 &），以及因超时而被截断的输出。如果浏览器显示“XML 解析错误”，它其实已经明确告诉你该看哪里了。

它在限制范围之内吗？

单个站点地图文件最多可包含 50,000 个 URL，未压缩时不超过 50 MB。规模更大的网站会把 URL 拆分到多个文件中，再用一个站点地图索引把它们列出来。要确保索引中提到的每一个子站点地图也都能正常加载。

第二部分：列出的 URL 对不对？

站点地图中的每个 URL，都应该是某个返回 200 的页面的最终、规范、可索引的地址。除此之外的任何东西，传递的都是自相矛盾的信号。请留意：

• 返回 404、410 或 5xx 的 URL。已删除的页面还留在静态站点地图里，或者商品缺货后被下架。
• 会重定向的 URL。往往是迁移之后残留的旧版 URL，或者是 http:// 或不带 www 的版本。应改为列出重定向的目标地址。
• noindex 页面。一边把页面列进来，一边又让搜索引擎不要索引它，这是自相矛盾。参见 noindex 是什么意思。
• 非规范 URL。带参数的版本，或者 canonical 指向别处的重复页面。更多内容见如何修复 canonical 问题。
• 其他主机。除非你已经验证了跨站提交，否则站点地图只能列出它自身主机上的 URL；测试环境或 CDN 的主机名混进来是典型的疏漏。
• 重复项。同一个 URL 列了两次，往往一个结尾带斜杠、一个不带。
• 被 robots.txt 屏蔽的 URL。你禁止抓取的内容搜索引擎抓不了，所以把它列出来毫无意义。

lastmod 日期

<lastmod> 应当使用 W3C Datetime 格式，例如 2026-09-24 或 2026-09-24T10:30:00+00:00，并反映页面最近一次有实质意义的改动。Google 表示，只有在 lastmod 始终准确的情况下才会采用它，而 priority 和 changefreq 则会被忽略。如果站点地图每次构建都给所有 URL 打上当天的日期，那就等于在教搜索引擎无视这个字段。

如何用 Rudra 检查

单页 SEO 检查工具

Rudra 的免费 SEO 检查工具会读取你的 robots.txt 以及其中声明的站点地图（最多三个，遇到站点地图索引时会继续读取其中的前几个子站点地图）；如果没有声明，则会退而尝试常见的位置。它会报告无法访问、无法解析、没有列出所测页面或缺少 lastmod 日期的站点地图，并对重复的 URL、位于其他主机上的 URL 以及不是有效日期的 lastmod 值给出提示性说明。它还会标出 robots.txt 的语法问题，以及屏蔽了整个网站的规则。

全站扫描

列出的 URL 到底能不能用，只有逐个访问才能知道。Rudra 的全站扫描（需要免费账户，从控制面板发起）会记录站点地图中的 URL，并与抓取时在各个地址上实际看到的情况进行比对：返回 4xx 或 5xx 的站点地图 URL、标记了 noindex 的 URL、发生重定向的 URL，以及位于其他主机上的 URL。由于套餐的页面数量上限或 robots 规则而没有抓取到的 URL，会计为“未抓取”，而不是报告为失效；所以对一份庞大的站点地图只做小规模抓取时，会出现很多这样的条目，这属于正常情况。

Search Console

“站点地图”报告会显示 Google 能否读取每个文件，以及从中发现了多少个 URL。“网页索引编制”报告按某个站点地图筛选之后，会告诉你其中哪些 URL 没有被索引，以及原因是什么。

修复常见原因

1. 用 CMS 或框架生成站点地图，不要手写，这样已删除和未发布的页面会自动被剔除。
2. 在 SEO 插件或站点地图生成器的设置里，排除 noindex 页面、被重定向的页面以及 canonical 指向别处的页面。
3. 在所有地方统一使用首选的 URL 形式，包括协议、主机名和结尾斜杠，让站点地图、canonical 和内部链接保持一致。
4. 只在内容发生变化时才更新 lastmod。
5. 在迁移这类重大变动之后重新提交，并留意“站点地图”报告中有没有读取错误。