sitemap.xml 结构与字段详解

参考标准：

• Sitemap 协议与 XSD: http://www.sitemaps.org/protocol.html
• 默认命名空间: http://www.sitemaps.org/schemas/sitemap/0.9
• 扩展命名空间（部分）：
  • 图像：http://www.google.com/schemas/sitemap-image/1.1
  • 视频：http://www.google.com/schemas/sitemap-video/1.1
  • 新闻：http://www.google.com/schemas/sitemap-news/0.9
  • 多语言链接（xhtml）：http://www.w3.org/1999/xhtml

1. 什么是 Sitemap

Sitemap 是一个描述站点可抓取页面的 XML 文件，帮助搜索引擎更高效发现与理解站点内容。Sitemap 不是收录保证，但可提升发现效率与时效性。

常见用途：

• 告知搜索引擎站点重要页面、媒体资源页面。
• 标注内容更新时间、替换频率（提示）与相对优先级（提示）。
• 为图片、视频、新闻类内容提供额外元数据。
• 为多语言/多地区版本提供互链关系（hreflang）。

2. 文件类型

• 单一 Sitemap（URL 列表）：描述一个站点的一组 URL。
• Sitemap 索引（Sitemap Index）：用于引用多个子 Sitemap 文件。
• 扩展 Sitemap：
  • 图片（Image）
  • 视频（Video）
  • 新闻（News）
  • 多语言（通过 xhtml:link 互链，不是独立“类型”，而是扩展在 URL 下）

3. 基本结构与核心字段

基础 Sitemap 的根元素是 urlset，包含若干 url 条目。每个 url 描述一个页面。

<?xml version="1.0" encoding="UTF-8"?>
<urlset
  xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">

  <url>
    <loc>https://www.example.com/</loc>
    <lastmod>2026-01-04T10:15:30+08:00</lastmod>
    <changefreq>weekly</changefreq>
    <priority>1.0</priority>
  </url>

</urlset>

字段说明（位于 <url> 内）：

• <loc>（必填）
  • 页面绝对 URL，需使用完整限定（含协议与主机名），建议使用规范化 URL（canonical）。
  • 不要使用相对路径；保持协议（http/https）、主机（含/不含 www）、路径与尾斜杠策略一致。
• <lastmod>（可选，强烈推荐）
  • 页面最后更新时间，建议使用 ISO 8601：
    • 日期：YYYY-MM-DD（如 2026-01-04）
    • 日期时间：YYYY-MM-DDThh:mm:ss±hh:mm（如 2026-01-04T10:15:30+08:00）
  • 应反映「可索引内容」实际变更时间，而非构建时间戳。
• <changefreq>（可选，提示型）
  • 可能值：always | hourly | daily | weekly | monthly | yearly | never
  • 多数搜索引擎（如 Google）基本忽略此字段，仅作为参考提示，不会严格遵循。
• <priority>（可选，提示型，范围 0.0–1.0，默认 0.5）
  • 仅在站内相对比较意义上提示重要性，搜索引擎常忽略，不会与其他站点对比。

注意：

• 不要在 Sitemap 中包含不希望索引的 URL（如 noindex、需登录、返回非 200）。
• 不要包含被 robots.txt 全局屏蔽的 URL（否则会造成检测冲突与报告问题）。
• 一个 URL 仅在一个 Sitemap 中出现为佳，避免重复。

4. Sitemap 索引（sitemapindex）

当单个 Sitemap 过大或希望按内容类型/目录分组时，使用索引文件引用多个子文件。

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex
  xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">

  <sitemap>
    <loc>https://www.example.com/sitemaps/sitemap-1.xml.gz</loc>
    <lastmod>2026-01-03</lastmod>
  </sitemap>
  <sitemap>
    <loc>https://www.example.com/sitemaps/sitemap-2.xml.gz</loc>
    <lastmod>2026-01-04</lastmod>
  </sitemap>

</sitemapindex>

字段说明（位于 <sitemap> 内）：

• <loc>（必填）：子 Sitemap 的绝对 URL，可为 .xml 或 .xml.gz。
• <lastmod>（可选）：该子 Sitemap 最近更新时间。

5. 扩展命名空间与字段

为在一个文件中同时使用扩展，需要在根元素声明对应命名空间。

5.1 图像扩展（image）

在页面 URL 条目内添加一个或多个 image:image，描述该页面上的图片元数据。

<?xml version="1.0" encoding="UTF-8"?>
<urlset
  xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
  xmlns:image="http://www.google.com/schemas/sitemap-image/1.1">

  <url>
    <loc>https://www.example.com/article/123</loc>
    <image:image>
      <image:loc>https://cdn.example.com/images/123-cover.jpg</image:loc>
      <image:caption>封面图，摄影：Alice</image:caption>
      <image:title>示例文章封面</image:title>
      <image:license>https://www.example.com/license</image:license>
    </image:image>
  </url>

</urlset>

常见字段：

• image:loc（必填）：图片绝对 URL。
• image:caption、image:title、image:license（可选）：说明与授权信息等。

建议：

• 图片需可被抓取（200 状态、未被 robots 屏蔽）。
• 优先提供高质量、清晰可渲染的图片 URL。

5.2 视频扩展（video）

在页面 URL 条目内添加 video:video，提供视频内容元数据（适用于该 URL 所代表页面的主要视频）。

<?xml version="1.0" encoding="UTF-8"?>
<urlset
  xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
  xmlns:video="http://www.google.com/schemas/sitemap-video/1.1">

  <url>
    <loc>https://www.example.com/video/abc</loc>
    <video:video>
      <video:thumbnail_loc>https://cdn.example.com/thumbs/abc.jpg</video:thumbnail_loc>
      <video:title>演示视频</video:title>
      <video:description>本视频演示产品功能。</video:description>
      <video:content_loc>https://video.example.com/stream/abc.mp4</video:content_loc>
      <!-- 或使用 <video:player_loc allow_embed="yes">https://player.example.com/?v=abc</video:player_loc> -->
      <video:duration>120</video:duration>
      <video:publication_date>2026-01-02T09:00:00+08:00</video:publication_date>
      <video:family_friendly>yes</video:family_friendly>
    </video:video>
  </url>

</urlset>

常见字段（部分）：

• 必填：video:thumbnail_loc、video:title、video:description。
• 其一：video:content_loc（直链媒体）或 video:player_loc（播放页/嵌入式播放器）。
• 可选：video:duration（秒）、video:publication_date、video:family_friendly 等。

建议：

• 确保缩略图与视频可抓取且返回 200。
• 标题与描述要准确、避免关键词堆砌。

5.3 新闻扩展（news）

面向新闻发布站点，要求内容新鲜度高（最近 2 天），每个 News Sitemap 最多包含 1,000 条。

<?xml version="1.0" encoding="UTF-8"?>
<urlset
  xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
  xmlns:news="http://www.google.com/schemas/sitemap-news/0.9">

  <url>
    <loc>https://www.example.com/news/2026/01/example</loc>
    <news:news>
      <news:publication>
        <news:name>Example News</news:name>
        <news:language>zh</news:language>
      </news:publication>
      <news:publication_date>2026-01-04T08:30:00+08:00</news:publication_date>
      <news:title>示例新闻标题</news:title>
      <news:keywords>行业; 发布; 示例</news:keywords>
    </news:news>
  </url>

</urlset>

要点：

• news:publication 指定媒体名称与语言。
• 仅包含最近 2 天的新闻 URL；旧新闻应迁移到常规 Sitemap。

5.4 多语言/多地区（hreflang via xhtml:link）

在 Sitemap 为每个 URL 列出其语言/地区版本的互链关系，等价于页面 <head> 中的 rel="alternate" hreflang="..."。

<?xml version="1.0" encoding="UTF-8"?>
<urlset
  xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
  xmlns:xhtml="http://www.w3.org/1999/xhtml">

  <url>
    <loc>https://www.example.com/</loc>
    <xhtml:link rel="alternate" hreflang="en" href="https://www.example.com/en/"/>
    <xhtml:link rel="alternate" hreflang="zh-CN" href="https://www.example.com/zh-cn/"/>
    <xhtml:link rel="alternate" hreflang="x-default" href="https://www.example.com/"/>
  </url>

</urlset>

要点：

• 每个语言版本彼此互相列出对方（成闭环）。
• 使用 BCP 47 语言标记（如 en, zh-CN），可加 x-default。

6. 限制与规范

• 数量与大小
  • 单个 Sitemap：最多 50,000 个 URL，未压缩大小不超过 50MB。
  • 单个索引（sitemapindex）：可引用最多 50,000 个 Sitemap。
  • 超出限制时请拆分并使用索引。
• 主机与路径
  • 一般仅包含同一主机与协议下的 URL（如 https://www.example.com/...）。
  • 建议将 Sitemap 放在站点根或相对高层目录，以覆盖所需路径。
• 编码与类型
  • 编码：UTF-8。
  • Content-Type：application/xml（或 text/xml）；压缩文件为 application/x-gzip。
• 压缩
  • 支持 .xml.gz；索引可指向压缩后的子文件。
• 响应与可访问性
  • Sitemap 与被列出的 URL 均应返回 200（或可被正确抓取）。
  • 不要列出 3xx 最终指向的目标以外的中间跳转 URL。
• 时间与时区
  • lastmod 建议带时区偏移（如 +08:00）。
• 字符转义
  • XML 保留字符必须转义：& → &，< → <，> → > 等。

7. 发布与提交

• 在 robots.txt 中声明（推荐）

  Sitemap: https://www.example.com/sitemap.xml
  Sitemap: https://www.example.com/sitemaps/sitemap-index.xml

• 搜索引擎站长工具提交
  • Google Search Console、Bing Webmaster Tools 等处提交 Sitemap URL，便于统计与诊断。
• Ping 接口（可选）
  • Google/Bing 历史上支持类似：https://www.google.com/ping?sitemap=https://www.example.com/sitemap.xml 实际效果有限，官方更推荐通过站长工具管理与定期抓取。

8. 最佳实践

• 仅包含「可索引」且「对外公开」的最终规范 URL（canonical）。
• 优先提供高价值页面；对低价值或重复页面使用 noindex 或不纳入 Sitemap。
• lastmod 仅在内容确实更新时变更，避免“假更新”。
• 根据站点结构拆分 Sitemap（如：内容类型、目录、日期区间），利于维护与调试。
• 长期保持 URL 策略一致（协议、主机、尾斜杠、大小写）。
• 对媒体（图像/视频）与新闻内容使用相应扩展，提升理解与展示机会。
• 定期在站长工具查看抓取/索引报告，修复错误条目。

9. 常见错误与排查

• 使用相对 URL（应为绝对 URL）。
• 命名空间遗漏或书写错误，导致扩展字段无效。
• 包含被 robots.txt 禁止抓取或 noindex 的 URL。
• lastmod 格式不合法或频繁更新无实际内容变更。
• URL 返回 4xx/5xx 或重定向链过长。
• 混用 http/https、带/不带 www，导致重复和规范化混乱。
• hreflang 未成闭环、语言标记错误或缺少 x-default。

排查建议：

• 使用站长工具的 Sitemap 报告与 URL 检查工具。
• 结合服务器/日志验证抓取状态与错误比例。
• 对压缩文件确认正确的 MIME 与可解压性。

10. 示例合集

10.1 基础 Sitemap（含 lastmod/changefreq/priority）

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://www.example.com/</loc>
    <lastmod>2026-01-04</lastmod>
    <changefreq>daily</changefreq>
    <priority>1.0</priority>
  </url>
  <url>
    <loc>https://www.example.com/about/</loc>
    <lastmod>2025-12-20</lastmod>
    <changefreq>monthly</changefreq>
    <priority>0.4</priority>
  </url>
</urlset>

10.2 Sitemap 索引

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>https://www.example.com/sitemaps/pages-2026-01.xml.gz</loc>
    <lastmod>2026-01-04</lastmod>
  </sitemap>
  <sitemap>
    <loc>https://www.example.com/sitemaps/pages-2025-12.xml.gz</loc>
    <lastmod>2026-01-01</lastmod>
  </sitemap>
</sitemapindex>

10.3 图片扩展

<?xml version="1.0" encoding="UTF-8"?>
<urlset
  xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
  xmlns:image="http://www.google.com/schemas/sitemap-image/1.1">
  <url>
    <loc>https://www.example.com/gallery/42</loc>
    <image:image>
      <image:loc>https://img.example.com/42-1.jpg</image:loc>
      <image:title>风景一</image:title>
    </image:image>
    <image:image>
      <image:loc>https://img.example.com/42-2.jpg</image:loc>
      <image:title>风景二</image:title>
    </image:image>
  </url>
</urlset>

10.4 视频扩展

<?xml version="1.0" encoding="UTF-8"?>
<urlset
  xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
  xmlns:video="http://www.google.com/schemas/sitemap-video/1.1">
  <url>
    <loc>https://www.example.com/lesson/intro</loc>
    <video:video>
      <video:thumbnail_loc>https://cdn.example.com/thumbs/intro.jpg</video:thumbnail_loc>
      <video:title>课程导学</video:title>
      <video:description>简要介绍课程内容。</video:description>
      <video:player_loc allow_embed="yes">https://player.example.com/?v=intro</video:player_loc>
      <video:duration>95</video:duration>
    </video:video>
  </url>
</urlset>

10.5 新闻扩展

<?xml version="1.0" encoding="UTF-8"?>
<urlset
  xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
  xmlns:news="http://www.google.com/schemas/sitemap-news/0.9">
  <url>
    <loc>https://www.example.com/news/2026/01/alpha</loc>
    <news:news>
      <news:publication>
        <news:name>Alpha Daily</news:name>
        <news:language>zh-CN</news:language>
      </news:publication>
      <news:publication_date>2026-01-04T07:55:00+08:00</news:publication_date>
      <news:title>Alpha 项目发布</news:title>
      <news:keywords>Alpha; 发布; 科技</news:keywords>
    </news:news>
  </url>
</urlset>

10.6 多语言互链（xhtml:link）

<?xml version="1.0" encoding="UTF-8"?>
<urlset
  xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
  xmlns:xhtml="http://www.w3.org/1999/xhtml">
  <url>
    <loc>https://www.example.com/product/123</loc>
    <xhtml:link rel="alternate" hreflang="en" href="https://www.example.com/en/product/123"/>
    <xhtml:link rel="alternate" hreflang="fr" href="https://www.example.com/fr/produit/123"/>
    <xhtml:link rel="alternate" hreflang="zh-CN" href="https://www.example.com/zh-cn/product/123"/>
    <xhtml:link rel="alternate" hreflang="x-default" href="https://www.example.com/product/123"/>
  </url>
</urlset>

11. 实施与验证清单（简版）

• [ ] 所有 URL 为可索引的规范 URL，返回 200。
• [ ] lastmod 使用合法 ISO 8601，且仅在内容更新时变更。
• [ ] 命名空间正确（含 image/video/news/xhtml 时）。
• [ ] 单文件不超过 50,000 URL 与 50MB；超出则拆分并用索引。
• [ ] 已在 robots.txt 中声明 Sitemap。
• [ ] 已在搜索引擎站长工具提交并查看报告。
• [ ] 无重复/冲突的 hreflang，互链闭环。
• [ ] 图片/视频链接可抓取且稳定。