Verifica del file sitemap.xml
Basta incollare il contenuto del file sitemap.xml per accertarne la conformità al protocollo delle mappe dei siti. Elenca gli errori nello spazio dei nomi dell'elemento urlset, la mancanza dell'elemento obbligatorio loc e i formati errati di lastmod e priority, e controlla anche il limite di cinquantamila indirizzi imposto da Google.
Consigli
- Mantenendo esatta la data in
<lastmod>, i programmi di raccolta tendono a riscaricare per prime le pagine modificate. Date vecchie e trascurate, o addirittura future, riducono invece la credibilità del file. - L'elemento
<priority>comunica l'importanza relativa fra le pagine, ma Google ha dichiarato ufficialmente di non usarlo nella determinazione della posizione: trattatelo come informazione accessoria. - Un singolo file può contenere al massimo cinquantamila indirizzi e pesare fino a 50 MB non compressi. Superando quei limiti, suddividetelo in più file con un elemento
<sitemapindex>. - Aggiungendo una riga con la direttiva
Sitemap:al file robots.txt, i motori di ricerca individuano da sé la posizione della mappa. Usare insieme il nostro strumento di verifica del file robots.txt rende il controllo più spedito. - Se in
<loc>compaiono domini o percorsi con caratteri non ASCII, occorre applicare prima la codifica per cento: incollando l'indirizzo così come appare nel navigatore, il valore risulterà non valido.
Domande frequenti
Sitemap: al file robots.txt, i programmi di raccolta lo individuano da sé anche senza invio.
A proposito — il giorno in cui il protocollo delle mappe dei siti nacque da una dichiarazione congiunta dei motori di ricerca
Il protocollo delle mappe dei siti fu annunciato da Google nel giugno del 2005 come meccanismo proprio, ma già nel novembre del 2006 Yahoo! e Microsoft, allora con il proprio motore di ricerca, dichiararono di volersi allineare e insieme lo standardizzarono presso sitemaps.org. È un caso raro di motori di ricerca concorrenti che concordano su un unico formato.
Il file sitemap.xml è una mappa che comunica ai programmi di raccolta l'esistenza di certi indirizzi, ma non garantisce che essi siano davvero raccolti e indicizzati. Nei siti di grandi dimensioni, in particolare, diventa rilevante il bilancio di raccolta, cioè il limite di risorse che un motore di ricerca dedica a un singolo sito: includendo molti indirizzi di scarso valore si può ritardare la scoperta delle pagine davvero importanti.
I limiti di cinquantamila indirizzi e di 50 MB rispondono all'esigenza pratica di contenere il carico di analisi di un singolo file XML. Nei siti con moltissimi indirizzi, come quelli di commercio elettronico, la soluzione consueta è il file indice delle mappe, un formato distinto la cui radice non è <urlset> ma <sitemapindex>, che raccoglie più file in uno solo.