sitemap提交步骤怎么走?从生成到收录的四步顺序
- 2026年11月22日
- 13 次
站点换过一次目录结构,旧地图一直没跟着改,同事连着问了两回新页面为什么搜不到,这件事才排上日程。压着不动的理由很实在:这套sitemap提交步骤要跨三个地方,生成在本地、文件在服务器、提交在搜索后台,哪一环对不上都得从头走一遍。眼下要解决的就一件事——让搜索引擎按我给的清单,把 1830 条 URL 一条不落地读进去。
第一步:地图里该放哪些 URL
把sitemap提交步骤拆成四段之后,判断点其实只剩一个:回执里的发现数能不能对上本地清单。顺序是生成、放到根目录、提交、等收录,四段不能换位,后一段的输入全来自前一段的产物。

地图不是把站点链接扫一遍就完事。我的取舍是三条:返回 200 且 canonical 指向自己的页面进;带筛选参数的列表页不进;分页只留第一页和最后一页,中间页让搜索引擎顺着翻。三条一卡,从 2200 多条原始链接里砍掉 400 多条重复内容和参数页,剩下 1830 条。
生成这一步在后台是「SEO 设置 → 站点地图 → 重新生成」,用脚本则是从数据库按发布时间倒序拉 slug。两种产出的文件格式一样,差别在后面谁维护这份清单。
第二步:生成后放在哪个目录
只有放在站点根目录、https://域名/sitemap.xml 能直接在浏览器打开,才算放对。子目录、静态资源目录、带哈希文件名的那套都不行,提交入口要的是一个稳定的绝对地址。
文件有两种形态:单文件,或者一个索引文件加若干子图。按 1830 条算就得拆成两个子图,子图一 1200 条、子图二 630 条,索引文件里用 sitemap 标签分别指向它们。单文件上限按 sitemaps.org 的协议是 5 万条 URL、50MB 未压缩,超了必须拆,具体数字按协议原文核对。
还有一处常被略过:robots.txt 末尾补一行 Sitemap:,写绝对地址。这行不写也能提交,写了就省掉搜索引擎猜路径这一步。

我碰到的第一个坎就在这里。文件放上去浏览器能打开,提交入口却一直报抓取失败。用 curl -I 看响应头,状态码 403——WAF 把 /sitemap.xml 当成爬虫探测拦了,浏览器带着登录态所以看不出问题。路径加进白名单,状态码回 200,抓取才通。
第三步:提交入口与抓取反馈怎么看
百度的入口在搜索资源平台「用户中心 → 站点管理 → 选站点 → 资源提交 → 普通收录 → sitemap」,填绝对地址提交;Google 在 Search Console 左侧「索引 → 站点地图」,只填 sitemap.xml,域名它自己补。
提交完别关页面,列表里那一行才是要看的。字段大致四列:文件地址、上次抓取时间、抓取状态、发现的 URL 数。状态写「成功」只说明文件读到了,真正的判据是最后一列——它要等于你交上去那份清单的条数,差一条都说明文件没被读全。这条判据只管文件读全没读全,管不了清单本身对不对。
第一次提交,我交上去的清单是 1690 条,回执也是 1690,两个数对得上。可全站 200 状态的页面有 1830 条,差的 140 条全是从旧目录结构继承下来的链接,生成脚本读的还是改版前的表,压根没进清单。提交入口这一环,是sitemap提交步骤里唯一有即时反馈的位置,也正因为即时,容易被当成终点。
第四步:抓取成功到收录之间还隔什么
抓取成功不等于收录。地图只负责让搜索引擎知道有这些地址,收不收、什么时候收,取决于页面本身和站点的抓取预算。这一步没有能催的办法,重复提交同一个地址不会让它变快。
看进展要去抓取诊断里跑一条具体 URL,回执会写 HTTP 状态码、抓取耗时、下载大小,外加一句状态说明。说明里出现「robots 限制」「页面跳转」这类字样,问题就不在地图上,得回去改页面或者改 robots.txt。
一周后再查,收录数是 1120。这个数字没什么好解释的,1830 条里有一批列表页和归档页,本来就收录得慢。
三种生成方式按三个维度比
清单怎么来有三种走法,按同一组维度摆开:前提、代价、适用场景。

插件生成。前提是 CMS 有现成的 SEO 插件、且允许改模板;代价接近零,装上就出 sitemap.xml,跟着内容自动更新;适合文章型站点、目录结构不常动的地方。缺点是它只认自己的规则,想把某个分类排除掉,往往得改代码。
脚本生成。前提是能直连数据库或者读访问日志;代价是要写一段查询、自己处理分页和 lastmod;适合 URL 上千条、又刚改过目录的站点。清单可控是它最大的好处,想让哪条进就让哪条进。
手工维护。前提是页面总共百来条;代价是每加一篇都要回来改一次文件;适合落地页、单页站这类几乎不更新的地方。
我选脚本。1830 条这个量级,加上刚改过目录,插件给的清单跟我要的对不上;而清单怎么来是sitemap提交步骤的起点,也是最不该将就的一段。
如果重来,先动哪一步
回到开头那件事:同事问的那两个页面,在第一次提交的清单里就没进去。错不在提交,在生成——脚本还在读旧表,我拿一份 1690 条的清单换回一个 1690 的回执,数字对上了,可它本来就少。
重来我会先做一件事:生成之前把全站内链跑一遍,导出所有 200 状态的地址,再和脚本产出做差集。这半天不能省,省掉的代价是后面两周都在补漏,补一条要重新生成、重新提交、重新等抓取,一轮三天起步。
整条sitemap提交步骤的顺序没有变,变的是先做哪一步。
若非作者标注皆为李涛自留地原创文章,转载或复制请以超链接形式并注明出处。
- 学习前端html必须掌握要懂的英文单词 2021-01-05
- wordpress的robots.txt在哪儿?wordpress修改robots文件的方法 2022-09-22
- jQuery回到顶部实例代码 jQuery怎么实现回到顶部 2022-10-03
- 网站打开慢是什么原因造成的?按耗时查5个环节 2026-11-12
- 手机怎么查看WIFI密码 已连接WIFI怎么查看WIFI密码 2022-09-30
- html中link标签有什么作用?html中link标签如何使用? 2022-12-01
