首页 全栈极客与开发辅助内容详情

Sitemap校验器:XML结构查错定位行号,去重统计 - 提交搜索引擎之前,先自己过一遍

2026-11-17 9 访客
Sitemap校验器:XML结构查错定位行号,去重统计

站点名称:Sitemap校验器:XML结构查错定位行号,去重统计

所属分类:全栈极客与开发辅助

官方网址:https://www.9314.cn/tools/sitemap-check/

SEO查询: 爱站网 站长工具

进入网站

站点介绍

Sitemap校验器:XML结构查错定位行号,去重统计

有一次 Search Console 连报三周「无法获取」,翻日志毫无头绪,最后是把 sitemap 下载下来逐行看才发现:运营同事手动加的一条 URL 把 lastmod 写成了 2024-13-45。格式像日期,语义上根本不存在。那之后我写了这个页面:提交之前,先自己过一遍。

先说结论

  • 结构校验:根元素必须是 urlset(sitemapindex 也认)、命名空间 0.9、每个 url 里 loc 必填且必须是绝对 URL——协议底线逐条过。
  • 字段值域:lastmod 按 W3C 格式查(2024-02-30 这种格式对但日期不存在的照样抓出来)、changefreq 只认七个合法值、priority 必须 0.0–1.0。
  • 错误定位行:列:照着数就能改,不是「校验失败」四个字打发你。
  • 去重与统计:重复 loc 逐条列出(附首次出现行号),URL 总数、域名分布一张卡看全——一个 sitemap 混多域名通常是配置事故。
  • 自写 XML 解析器,1MB 毫秒级;不出网不上传,内网预发的 sitemap 也敢贴。

一、为什么主路径是粘贴

浏览器同源策略决定了跨域 fetch 大概率失败(多数站点不开 CORS),所以这一页的设计是「查看源代码 → 全选复制 → 粘贴」,一行不少。输入 URL 抓取只对同域或 CORS 开放的站点生效,失败会如实报错——不会假装校验通过。

二、lastmod 的实话

Google 2019 年起只在 lastmod 与页面真实修改时间一致时才采用,发现批量伪造会整体忽略。每天自动把所有 lastmod 刷成当天是自欺欺人——我认为 lastmod 宁缺毋滥,CMS 自动生成的真实时间戳才有价值。

常见疑问

校验覆盖哪些规则?

结构层:必须是 urlset(sitemapindex 也认)、命名空间 0.9 校验、每个 url 里 loc 必填、loc 必须是合法绝对 URL。字段层:lastmod 按 W3C 格式校验(YYYY-MM-DD 最常见)、changefreq 只认 always/hourly/daily/weekly/monthly/yearly/never、priority 必须在 0.0–1.0。另有重复 loc 去重统计、URL 总数、域名分布。

能直接输入线上 sitemap 的 URL 抓取吗?

能,但有条件:浏览器同源策略限制,只有同域(本站)或对方开了 CORS 的公网 sitemap 才抓得到。多数站点不开 CORS,所以主路径是「查看源代码 → 复制 → 粘贴进来」,一行不少。抓取失败会如实报错,不会假装校验通过。

lastmod 写 2024-13-45 会怎样?

报错,定位到行号。13 月 45 日不是合法日期;同理 2024-02-30(2 月没有 30 日)也会报。格式对但语义错的日期,是手写 sitemap 最常见的翻车点,搜索引擎会直接忽略整个 lastmod 字段。

我的 sitemap 会被上传吗?

不会。校验全部在这台设备的浏览器里完成,粘贴的内容不落盘、不上传。「抓取 URL」只在你主动输入地址并点击时发起,抓到的内容也只在内存里校验。页脚「清空我的数据」删掉本机界面选项。

English version: https://www.9314.cn/tools/sitemap-check/en/

 暂无评论,快来抢沙发吧~

发布评论