XML 站点地图最佳实践
站点地图不是页面的全量堆放处，而是交给搜索引擎的一份精选清单。本文给出收录标准、维护节奏和提交渠道的完整实践，并澄清几个流传最广的误区。
一份合格的 XML 站点地图只做一件事：把网站上规范（canonical）、可索引、返回 HTTP 200 的页面完整列出，并配上真实的 lastmod。做到这一点，再加上按时重新生成和正确提交，站点地图的维护就完成了大半。下面把每条实践逐一展开，并在文末用一张表澄清常见误区。
只收录三项都达标的 URL
- 规范页面：每组重复内容只列 canonical 那一个 URL，不要把带参数的变体、打印版、分页副本都塞进去。
- 可索引页面：排除带 noindex 的页面和被 robots.txt 屏蔽的路径，否则等于给搜索引擎发出相互矛盾的信号。
- 返回 200 的页面：404、410 和处于重定向中的旧地址都不该出现。站点地图列出的每一条，都是在对搜索引擎说「请收录我」。
登录页、站内搜索结果、下单感谢页这类没有搜索价值的页面，同样不必列入。判断标准可以简化成一句话：这个 URL 是否值得占用爬虫的一次抓取？搜索引擎分配给每个站点的抓取资源是有限的，站点地图越干净，这些资源就越多地花在你真正想被收录的页面上。
让 lastmod 真实可信
Google 在官方文档中说得很清楚：只有当 lastmod 持续准确时才会使用它。最常见的反面做法是把所有条目的 lastmod 统一设成构建时间——每次部署全站日期集体刷新，这个字段就彻底失去了参考价值。正确做法是绑定内容的实际修改时间：文章改了正文才更新日期，模板或页脚的变动不算。
changefreq 和 priority：Google 直接忽略
这两个字段在协议中是合法的，但 Google 已明确表示不使用它们，Bing 也基本如此。花时间给页面调 priority 数值，不会带来任何抓取或排名上的收益。真正影响抓取优先级的是 lastmod 的准确性、内部链接结构和页面本身的质量。已有的字段可以保留（不算错误），但不必再投入精力维护。
大小限制与拆分时机
单个文件的硬限制是 50,000 条 URL 和未压缩 50 MB。不过不必等到触顶才拆分：按内容类型（文章、产品、分类页）或语言拆成多个文件，再用站点地图索引汇总，在 Search Console 里就能分别看到每部分的收录情况，排查问题会容易得多。索引的具体用法见 Sitemap 索引文件完全指南。
gzip 压缩
站点地图可以压缩成 .xml.gz 提供，节省带宽、加快抓取。注意两点：50 MB 的限制针对的是解压后的体积，压缩并不能绕过它；同时确认服务器返回的 Content-Type 与文件实际编码一致，避免把 .gz 文件再套一层压缩。
在 robots.txt 中声明，实现自动发现
在 robots.txt 里加一行 Sitemap 指令，主流搜索引擎都能自动发现你的站点地图：
Sitemap: https://example.com/sitemap.xml地址必须写完整绝对 URL；有多个站点地图（或一个索引文件）就写多行。这一行也是跨主机站点地图获得授权的官方途径。
提交到搜索引擎
在自动发现之外，主动提交能让搜索引擎更快知道站点地图的存在，并为你提供错误报告：
- Google Search Console：在「站点地图」栏目提交，之后可查看已发现和已编入索引的 URL 数量及具体错误。
- Bing Webmaster Tools（bing.com/webmasters）：在 Sitemaps 栏目提交，站点验证可直接从 Search Console 导入。
- 百度搜索资源平台（ziyuan.baidu.com）：在「普通收录」的 sitemap 方式中提交。面向中文用户的网站，这一步不要省略。
提交一次即可：搜索引擎会定期重新抓取站点地图，内容更新后无需重复提交。提交后记得回来看报告——Search Console 会给出「已发现的网页」与「已编入索引的网页」两个数字，两者差距过大通常意味着站点地图里混入了低质量、重复或被屏蔽的 URL，正好按前面的收录标准回头清理。
多久重新生成一次
理想状态是与内容同步：发布、更新或删除页面时自动重建站点地图（作为 CMS 钩子或构建流程的一环）。做不到实时，至少要保证不出现死链——一份列满 404 的过期站点地图，比没有站点地图更糟。
动态生成还是静态生成
静态生成（构建时输出文件）速度快、天然可缓存，适合按部署节奏更新的网站；动态生成（请求时实时输出）永远最新，适合内容分钟级变化的站点，但要做好缓存，避免爬虫的每次请求都触发全量数据库查询。两种方式都符合协议，按网站的更新频率选择即可。无论选哪种，都要把站点地图纳入监控：页面结构调整、路由改版、迁移域名之后，站点地图往往是最容易被遗忘的那个文件。
误区 vs 现实
| 误区 | 现实 |
|---|---|
| priority 设成 1.0 能提升排名 | Google 忽略 priority，排名与它无关 |
| changefreq 决定抓取频率 | 抓取频率取决于 lastmod 准确性、内链和页面质量 |
| 页面进了站点地图就一定被收录 | 站点地图只是抓取提示，不是收录保证 |
| 每次内容更新都要重新提交 | 提交一次即可，搜索引擎会定期重读文件 |
| 所有页面都应该放进站点地图 | 只放规范、可索引、返回 200 的页面 |
| 小网站不需要站点地图 | 维护成本极低，还能加快新页面被发现，仍然值得 |
按这份清单整理完站点地图后，用站点地图验证器完整跑一遍检查，确认格式与内容都合格。如果发现报错，常见错误修复指南里有每一种错误的处理办法。