Sitemap XML

Sitemap XML

Definicja: Plik w formacie tekstowym, pełniący funkcję mapy nawigacyjnej dla robotów indeksujących (crawlerów), takich jak Googlebot. Umożliwia efektywne odkrywanie i kanoniczne indeksowanie adresów URL w obrębie witryny, w tym zasobów osieroconych (orphan pages) lub głęboko zagnieżdżonych w strukturze serwisu.

Standard i Format

Dokument musi być zgodny ze specyfikacją Sitemap Protocol 0.9, kodowany w UTF-8 i wolny od błędów składniowych XML. Struktura opiera się na nadrzędnym elemencie <urlset>, który encapsuluje poszczególne wpisy adresów w tagach <url>.

Limity Techniczne

Pojedynczy plik sitemap podlega ścisłym ograniczeniom narzuconym przez standard:

• Maksymalna liczba URLi: 50 000.
• Maksymalny rozmiar pliku: 50 MB (wartość dla pliku nieskompresowanego).

Atrybuty i Metadane

Interpretacja tagów przez nowoczesne silniki wyszukiwania (głównie Google):

• <loc> (Obligatoryjny): Pełny, absolutny i kanoniczny adres URL.
• <lastmod> (Kluczowy): Data ostatniej modyfikacji zasobu (format W3C Datetime). Jest to jedyny atrybut metadanych realnie wpływający na crawling budget i priorytetyzację kolejki indeksowania.
• <changefreq> oraz <priority> (Ignorowane): Atrybuty sugerujące częstotliwość zmian i ważność podstrony. Obecnie są całkowicie pomijane przez algorytmy Googlebota ("noisy signals").

Sitemap Index (Indeks Map)

Dla serwisów przekraczających limity pojedynczego pliku stosuje się architekturę Sitemap Index. Jest to plik XML grupujący odwołania do wielu podrzędnych map witryny, co pozwala na skalowanie obsługi do milionów adresów URL.

Wdrożenie i Zgłaszanie

Prawidłowa ekspozycja pliku dla robotów odbywa się poprzez:

1. Deklarację w pliku robots.txt za pomocą dyrektywy Sitemap: [URL].
2. Bezpośrednie zgłoszenie w narzędziu Google Search Console (Raport Mapy witryny), co umożliwia debugowanie błędów parsowania i monitorowanie pokrycia indeksu.