Sitemap的XML格式及注意事项

By admin

- 2 minutes read - 412 words

这篇文章介绍的比较全的:

此文档介绍适用于 Sitemap 协议的 XML 架构。

Sitemaps 协议格式由 XML 标记组成。Sitemap 的所有数据数值应为实体转义过的。文件本身应为 UTF-8 编码。

Sitemap 必须：

  • 以 < [urlset](http://www.sitemaps.org/zh_CN/protocol.php#urlsetdef) > 开始标记作为开始，以 `` 结束标记作为结束。
  • 在 `` 标记中指定命名空间（协议标准）。
  • 每个网址包含一个< [url](http://www.sitemaps.org/zh_CN/protocol.php#urldef) > 条目作为 XML 父标记。
  • 在每个 `` 父标记中包含一个 < [loc](http://www.sitemaps.org/zh_CN/protocol.php#locdef) > 子标记条目。

其他所有标记均为可选，搜索引擎不同，对可选标记的支持也各不相同。有关详情，请参阅各个搜索引擎的文档。

而且，Sitemap 中的所有网址都必须来自于同一个主机，如 www.example.com 或 store.example.com。有关详细信息，请参阅Sitemap 文件位置 。

XML 标记定义

以下对可用 XML 标记进行说明。

属性

说明 <urlset> 必填

压缩此文件并提供当前协议标准作为参考。 <url> 必填

每个网址条目的父标记。剩余标记为此标记的子标记。 <loc> 必填

该页的网址。如果您的网络服务器需要网址的话，此网址应以协议开始（例如：http）并以斜杠结尾。该值必须少于 2,048 个字符。 <lastmod> 可选

该文件上次修改的日期。此日期应采用 W3C Datetime 格式。如果需要，此格式允许省略时间部分，并使用 YYYY-MM-DD。

请注意，此标记不同于服务器可返回的 If-Modified-Since (304) 标头，搜索引擎可能会以不同的方式使用这两个来源的信息。

<changefreq> 可选

页面可能发生更改的频率。此值为搜索引擎提供一般性信息，可能与搜索引擎抓取页面的频率不完全相关。有效值为：

  • always

  • hourly

  • daily

  • weekly

  • mothly

  • yearly

  • never

“always”值应当用于描述随每次访问而改变的文档。而“never”值则应当用于描述存档的网址。

请注意，抓取工具会将此标记的值视为 提示 而不是命令。尽管搜索引擎抓取工具在做 决定时会考虑此信息，但对于标记为“hourly”页面的抓取频率可能低于每小时一次，而对于标记为“yearly”页面的抓取频率可能高于每年一次。抓 取工具也可能会定期抓取标记为“never”的网页，以便能够处理对这些网页的未预期更改。

<priority> 可选

此网址的优先级是相对于您网站上其他网址的优先级而言的。有效值范围从 0.0 到 1.0。该值不会影响您的网页与其他网站上网页的比较结果，而只是告知搜索引擎您认为哪些网页对抓取工具来说最为重要。

一个网页的默认优先级为 0.5。

请注意，为网页指定的优先级并不会影响网址在搜索引擎结果页上的排名。搜索引擎在同一网站上选择不同网址时会使用此信息，因此，您可以使用此标记增加最重要的网页在搜索索引中显示的可能性。

另请注意，为网站中的所有网址都指定高优先级并不会带来什么好处。因为优先级是相对的，只用于在您网站的网址之间进行选择。

实体转义

Sitemap 文件必须以 UTF-8 编码（通常在保存文件时可以这么做）。对于所有的 XML 文件，任何数据数值（包括网址）都应对下表中列出的字符使用实体转义码。

字符

转义码

& 符号

& & 单引号

‘ ' 双引号

“ " 大于

> 小于

< <

此外，所有网址（包括 Sitemap 的网址）都必须经过网址转义并编码，以便它们所在网络服务器可以进行读取。不过，如果您使用任何类型的脚本、工具或日志文件来生成网址（除手动输入之外的 任何方法），通常系统已经替您完成了这部分工作。请仔细检查，确保网址符合 RFC-3986 URI 标准、 RFC-3987 IRI 标准，以及 XML 标准 。

XML Sitemap 示例

下例显示了一个 XML 格式的 Sitemap。示例中的 Sitemap 包含少量的网址，每个网址都使用不同的一组可选参数。

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
   <url>
      <loc>http://www.example.com/</loc>
      <lastmod>2005-01-01</lastmod>
      <changefreq>monthly</changefreq>
      <priority>0.8</priority>
   </url>
   <url>
      <loc>http://www.example.com/catalog?item=12&desc=vacation_hawaii</loc>
      <changefreq>weekly</changefreq>
   </url>
   <url>
      <loc>http://www.example.com/catalog?item=73&desc=vacation_new_zealand</loc>
      <lastmod>2004-12-23</lastmod>
      <changefreq>weekly</changefreq>
   </url>
   <url>
      <loc>http://www.example.com/catalog?item=74&desc=vacation_newfoundland</loc>
      <lastmod>2004-12-23T18:00:15+00:00</lastmod>
      <priority>0.3</priority>
   </url>
   <url>
      <loc>http://www.example.com/catalog?item=83&desc=vacation_usa</loc>
      <lastmod>2004-11-23</lastmod>
   </url>
</urlset>

使用 Sitemap 索引文件（对多个 Sitemap 文件进行分组）

您可以提供多个 Sitemap 文件，但每个 Sitemap 文件包含的网址不得超过 50,000 个，并且文件不得超过 10MB（10,485,760 字节）。如果您愿意，可以使用 gzip 压缩 Sitemap 文件，以减少带宽要求；但是解压缩后的 Sitemap 文件不得超过 10MB。如果要列出 50,000 个以上的网址，您需要创建多个 Sitemap 文件。

如果您确实提供多个 Sitemap，则应当在 Sitemap 索引文件中列出每个 Sitemap 文件。Sitemap 索引文件中最多可列出 50,000 个 Sitemap，文件不得超过 10MB（10,485,760 字节），并且是可以压缩的。您可以具有多个 Sitemap 索引文件。Sitemap 索引文件的 XML 格式与 Sitemap 文件的 XML 格式非常相似。

Sitemap 索引文件必须：

  • 以 <sitemapindex> 开始标记作为开始，以 </sitemapindex> 结束标记作为结束。

  • 每个 Sitemap 包含一个<sitemap> 条目作为 XML 父标记。

  • 每个 <sitemap> 父标记包含一个 <loc> 子标记条目。

可选的 <lastmod> 标记同样适用于 Sitemap 索引文件。

注意： Sitemap 索引文件只能指定与其位于同一网站的 Sitemap。例如，http://www.yoursite.com/sitemap_index.xml 可包含 http://www.yoursite.com 上的Sitemap，但不能包含 http://www.example.com 或 http://yourhost.yoursite.com 上的 Sitemap。

与 Sitemap 一样，Sitemap 索引文件也必须为 UTF-8 编码。

XML Sitemap 索引示例

下例显示包含两个 Sitemap 的 Sitemap 索引文件：

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
   <sitemap>
      <loc>http://www.example.com/sitemap1.xml.gz</loc>
      <lastmod>2004-10-01T18:23:17+00:00</lastmod>
   </sitemap>
   <sitemap>
      <loc>http://www.example.com/sitemap2.xml.gz</loc>
      <lastmod>2005-01-01</lastmod>
   </sitemap>
</sitemapindex>

注意： 与 XML 文件中的所有值一样，Sitemap 网址必须经过 实体转义 。

Sitemap 索引 XML 标记定义

属性

说明 <sitemapindex> 必填

压缩文件中所有 Sitemap 的相关信息。 <sitemap> 必填

压缩个别 Sitemap 的相关信息。 <loc> 必填

识别 Sitemap 的位置。

此位置可以为 Sitemap、Atom 文件、RSS 文件或简单的文本文件。

<lastmod> 可选

识别相对 Sitemap 文件的修改时间。它与该 Sitemap 中列出的任一网页的更改时间不相符。lastmod 标记的值应采用 W3C 日期时间 格式。

通过提供最近修改的时间戳，您可以让搜索引擎抓取工具只检索索引中的 Sitemap 子集，也就是说，抓取工具只检索某个特定日期之后修改的 Sitemap。通过这一递增的 Sitemap 提取机制，可以快速发现超大型网站上的新网址。

您可以提供纯文本文件，其中每行包含一个网址。此文本文件需要遵循以下指南：

  • 文本文件每行都必须有一个网址。网址中不能有换行。

  • 您必须指定完整的网址，包括 http。

  • 每个文本文件最多可包含 50,000 个网址，并且不得超过 10MB（10,485,760 字节）。如果网站所包含的网址超过 50,000 个，则可以将列表分割成多个文本文件，然后分别添加每个文件。

  • 文本文件需使用 UTF-8 编码。在保存文件时您可指明此项（例如，在记事本中，此项会在“另存为”对话框中的编码菜单中列出）。

  • 文本文件不应包含网址列表以外的任何信息。

  • 此文本文件不应包含任何标题或注脚信息。

  • 如果愿意，您可以使用 gzip 压缩 Sitemap 文本文件，以减少带宽要求。

  • 您可以随意为此文本文件命名。请检查并确保您的网址符合 RFC-3986 标准中的 URI 规定和 RFC-3987 标准中的 IRI 规定。

  • 您应该将文本文件上传至您希望搜索引擎抓取的最高级别的目录，并确保在文本文件中未列出位于更高级别目录的网址。

Sitemap 文件位置

Sitemap 文件的位置决定该 Sitemap 中可以包含的网址组。位于 http://example.com/catalog/sitemap.xml 的 Sitemap 文件可以包含任何以 http://example.com/catalog/ 开头的网址，但不能包含以 http://example.com/images/ 开头的网址。

验证您的 Sitemap

下列 XML 架构定义可以出现在 Sitemap 文件中的元素和属性。可从以下链接下载此架构：

对于 Sitemap： http://www.sitemaps.org/schemas/sitemap/0.9/sitemap.xsd

对于 Sitemap 索引文件： http://www.sitemaps.org/schemas/sitemap/0.9/siteindex.xsd

有多种工具可帮助您根据此架构来验证您的 Sitemap 结构。在下面的每一个位置您都可以找到 XML 相关的工具列表：

http://www.w3.org/XML/Schema#Tools

http://www.xml.com/pub/a/2000/12/13/schematools.html

Sitemap 协议可让您告知搜索引擎您希望将那些内容编入索引。要告知搜索引擎您要编入索引的内容，请使用 robots.txt 文件或 robots 元标记。有关如何从搜索引擎中排除内容的详情，请参阅 robotstxt.org 。

总结:

1、文件随小但这是一套完整的方法和规范，他是对外开放的窗口。

2、灵活掌握其精髓，搭建网站的map你会对网站了解深入骨髓。