Sitemap 檢查不只是看網址數：還要核對哪些技術欄位

很多人檢查 Sitemap 的方式，是打開 Search Console 看「已發現的網址」數字有沒有變多。但網址數正確，不代表 Sitemap 健康。這篇寫給剛接手網站技術 SEO 的新同事，一步一步說明除了數量之外還要核對哪些欄位，以及每個欄位出錯時的意義。

網址數對了，為什麼還是要逐欄檢查

Sitemap 的網址數只能告訴你「列了多少頁」，無法告訴你「列的是不是對的頁」，所以檢查一定要往下核對每個網址的技術狀態。我帶新人時最常看到的情況是：Sitemap 裡有五百個網址，數字和網站頁面數差不多，大家就放心了；但實際抽查後發現，其中有幾十個是已經轉址的舊網址、十幾個是設了 noindex 的頁面、還有一批是帶參數的重複頁。這些網址不但不會被收錄，還會讓搜尋引擎對整份 Sitemap 的可信度打折。

你可以把 Sitemap 想成交給搜尋引擎的一份推薦清單。清單上的每一項都應該是你真心希望被收錄、而且能正常開啟的頁面。清單裡混入越多無效項目，對方就越不會認真看待這份清單。所以檢查 Sitemap 的目標不是確認它存在，而是確認它乾淨。

第一關：檔案本身能不能被正確讀取

在看任何網址之前，先確認 Sitemap 檔案本身沒有技術問題，因為檔案讀不到，後面的檢查都沒有意義。這一關新人常常跳過，但它其實只需要幾分鐘。

1. 直接在瀏覽器開啟 Sitemap 網址，確認回應是正常的 200 狀態，而不是轉址或錯誤頁。
2. 檢查檔案是否為合法的 XML 格式，最簡單的方法是看瀏覽器是否能正常顯示樹狀結構，若出現解析錯誤就代表格式有問題。
3. 確認編碼為 UTF-8，特別是網址或標題含中文時，編碼錯誤會造成亂碼網址。
4. 確認單一檔案沒有超過規範的網址數與檔案大小上限，超過時應分割成多個檔案並用索引檔串起來。
5. 到 robots.txt 確認有宣告 Sitemap 位置，並且 robots.txt 沒有擋住 Sitemap 本身或其中列出的路徑。

有一個容易忽略的細節是中文網址的處理。網址中的中文字應該以百分比編碼的形式出現在 Sitemap 裡，如果直接放中文字元，某些工具讀得到、某些讀不到，會造成檢查結果不一致。遇到這種情況，先統一編碼方式再往下查。

第二關：每個網址的狀態碼是否都是 200

Sitemap 裡的每一個網址都應該回應 200 狀態碼，出現 301、302、404 或 5xx 的網址都不該留在清單裡。這是最基本、也最常出錯的一關，因為網站改版、刪文或更換網址結構時，Sitemap 往往沒有同步更新。

實作上，你可以用爬蟲工具把 Sitemap 裡的網址全部抓一次，匯出狀態碼欄位後篩選非 200 的項目。判斷方式如下：若是 301 轉址，應把 Sitemap 裡的網址換成轉址後的最終網址；若是 404，要先確認這個頁面是刻意刪除還是意外壞掉，刻意刪除就從 Sitemap 移除，意外壞掉則要修復頁面；若是 5xx，代表伺服器端有問題，這不是 Sitemap 的錯，但要立刻通知工程同事。

新人常犯的錯是只看首頁與幾個重要頁面，就認定整份 Sitemap 沒問題。狀態碼檢查一定要全量跑，因為出問題的往往是很久沒人碰的舊頁面。

第三關：標準網址與 Sitemap 網址是否一致

Sitemap 裡列出的網址，必須和該頁面自己宣告的標準網址完全相同，否則等於同時給搜尋引擎兩個互相矛盾的訊號。標準網址指的是頁面 head 區塊裡 canonical 標籤指向的網址，它告訴搜尋引擎「這一頁的正式版本在這裡」。

常見的不一致有幾種：Sitemap 用 http，canonical 用 https；Sitemap 網址結尾有斜線，canonical 沒有；Sitemap 用了帶 www 的網域，canonical 沒有；或是 Sitemap 列了帶追蹤參數的網址，canonical 卻指向乾淨網址。這些差異看起來很小，但對搜尋引擎而言就是兩個不同的網址。

檢查方式是在爬蟲結果裡同時匯出「請求網址」與「canonical 網址」兩欄，用試算表比對是否完全相同。不一致的項目，原則上應該修改 Sitemap，讓它列出 canonical 指向的版本。如果發現 canonical 本身設錯，例如所有文章都指向首頁，那就是更嚴重的問題，要先修頁面再修 Sitemap。

第四關：noindex 與被擋住的頁面有沒有混進來

設了 noindex 的頁面不應該出現在 Sitemap 裡，因為這等於一邊請搜尋引擎收錄、一邊又叫它不要收錄。同樣地，被 robots.txt 阻擋的路徑也不該出現在 Sitemap 中。

• 常見混入 noindex 頁面的來源：會員專區、感謝頁、搜尋結果頁、標籤彙整頁、測試用頁面。
• 常見被 robots.txt 擋住卻仍列在 Sitemap 的來源：後台路徑、篩選參數頁、預覽頁。
• 檢查方法：爬蟲結果中匯出 meta robots 與 X-Robots-Tag 兩個欄位，篩選含 noindex 的網址；再把 Sitemap 網址逐一比對 robots.txt 的規則。
• 處理原則：確認這些頁面確實不需要被收錄後，從 Sitemap 移除；如果其實需要收錄，就要回頭檢查 noindex 是不是誤設。

這一關經常能抓到網站外掛或內容管理系統的預設設定問題。例如某些系統會自動把所有標籤頁放進 Sitemap，但主題設定又把標籤頁設為 noindex，兩個設定互相打架，而負責的人通常都不知道。

第五關：lastmod 是否反映真實的更新時間

lastmod 欄位應該只在頁面內容實際有意義地更新時才改變，如果所有網址的 lastmod 都是同一天，或每天都自動更新，這個欄位就失去了參考價值。搜尋引擎會用 lastmod 判斷哪些頁面值得優先重新抓取，一份所有日期都一樣的 Sitemap，等於沒有提供任何優先順序的訊號。

檢查方式很直接：把 Sitemap 裡的 lastmod 欄位匯出，看日期分布。如果超過九成網址的 lastmod 都集中在同一天，很可能是系統在每次重新產生 Sitemap 時，把產生時間當成修改時間。接著隨機抽五到十頁，對照頁面上顯示的更新日期或內容管理系統裡的修改紀錄，看兩者是否吻合。

至於 changefreq 與 priority 這兩個欄位，目前主要搜尋引擎多半不太依賴它們，新人不需要花太多時間調整，但也不要填入明顯不合理的值，例如把所有頁面的 priority 都設為最高。

把檢查變成例行工作：一份月檢清單

Sitemap 檢查最好的做法是變成每月固定的例行工作，而不是等收錄出問題才來查。以下是我給新人的月檢順序，網站規模在幾百到幾千頁之間時，大約一到兩小時可以完成。

1. 打開 Search Console 的 Sitemap 報表，確認最後讀取日期是近期，且沒有錯誤訊息。
2. 對照網址檢查與索引涵蓋範圍報表，找出「已提交但未編入索引」的網址，這些是最值得優先調查的項目。
3. 用爬蟲跑一次 Sitemap 全量網址，匯出狀態碼、canonical、meta robots、lastmod 四個欄位。
4. 依序篩出非 200、canonical 不一致、含 noindex、lastmod 異常的網址，記錄在同一張試算表。
5. 逐項判斷處理方式並通知負責的同事，下個月檢查時先確認上個月的問題是否已經修正。

如果你負責的是公司的品牌網站，而不只是技術維護，Sitemap 的健康度其實和內容策略息息相關，例如哪些頁面值得被收錄、哪些應該合併。銘望顧問所在市場調研的專案中，也會把 Sitemap 月檢列為內容盤點的起點。

這份檢查清單的限制

Sitemap 乾淨不代表頁面一定會被收錄。搜尋引擎決定是否收錄，還會考量內容品質、重複程度、內部連結與網站整體的可信度，Sitemap 只是其中一個訊號。如果 Sitemap 已經完全乾淨，但大量頁面仍然未被收錄，問題通常出在內容本身，而不是技術欄位。

另外，極小型網站，例如只有十幾頁的形象站，搜尋引擎通常靠內部連結就能找到所有頁面，Sitemap 的影響相對小，不需要每月跑完整流程，半年檢查一次即可。反過來說，每天新增大量頁面的電商或新聞網站，可能需要更頻繁的自動化檢查，這已經超出本文手動清單的範圍。

← 回到新知列表