XML 站点地图最佳实践：实现更快、更干净的收录

站点地图是一种提示，而非保证

搜索引擎将站点地图视为一个强有力的发现信号，而非命令。它不会强制收录低质量页面——它真正的作用，是消除关于您认为哪些网址是权威且值得爬取的疑虑，这在大型或较新的网站上尤为重要。

应该包含什么

• 仅包含 canonical 网址——即您希望被收录的确切版本。
• 仅包含返回 200 状态且真正可被收录的网址（没有 noindex 标签，未被 robots.txt 屏蔽）。
• 准确的 lastmod 日期——仅在页面内容发生实质性变化时更新，而非每次部署都更新。

应该排除什么

• 带有 noindex 标签的页面——将其纳入站点地图会发出自相矛盾的信号。
• 发生重定向或返回 404 的网址——这些会被报告为站点地图错误，而非帮助被发现。
• 同一页面的重复或带参数变体（排序方式、会话 ID、跟踪参数）——只列出唯一的 canonical 版本。
• 独有内容极少的、自动生成的单薄页面——这些是“已抓取 - 尚未编入索引”的常见成因，若包含数百个此类页面，会稀释站点地图对真正重要页面的信号强度。

大小限制

单个站点地图文件上限为 50,000 个网址，未压缩大小上限为 50MB。较大的网站需要一个站点地图索引文件——即一个列出多个子站点地图的文件——而非单一的巨型文件。大多数框架（包括本站所使用的）都会自动生成，但如果您是手动编写的，值得确认一下。

提交与维护

在 Google Search Console 和 Bing 网站管理员工具中各提交一次，并在 robots.txt 中添加一行 Sitemap:，指向该站点地图——这样即使爬虫在没有事先提交的情况下独立发现您的网站，也能找到它。此后，站点地图应随内容变化自动重新生成；手动维护的站点地图几乎总是会过时。

悄悄浪费爬取预算的常见错误

• 只在上线时生成一次，之后新增或删除页面时从未更新。
• 每次构建都把所有网址的 lastmod 设为当前日期——这会让爬虫逐渐不再信任该字段是真实的变更信号。
• 在大规模网址结构调整（如域名迁移或永久链接格式变更）后忘记重新提交——Google 最终会自行发现，但重新提交能加快过渡速度。