Sitemap.xml – Ghid pentru începători

Când analizează un proiect, un specialist SEO introduce întotdeauna „sitemap.xml” în bara de adrese. Analiza sitemap-ului ajută la determinarea motivului pentru care un anumit conținut nu este indexat.

Ce este o hartă a site-ului XML?

O hartă a site-ului XML este un fișier pentru roboții motoarelor de căutare care listează toate paginile site-ului web în format XML. Aceasta ajută motoarele de căutare să acceseze cu crawlere și să indexeze conținutul site-ului web mai eficient.

💡 Nu confundați XML-Sitemap și HTML-sitemap pentru utilizatorii site-ului web.

Care sunt tipurile de site-uri XML?

Două tipuri de sitemap-uri:

• obișnuit – conține maximum 50.000 de pagini și cântărește maximum 50 MB;
• Index – un fișier de hartă care combină mai multe sitemap-uri obișnuite. Creat pentru site-uri mari sau
• site-uri multilingve. Astfel de fișiere nu au o dimensiune mai mare de 50 MB și o capacitate de maximum 50.000 de adrese URL.

Cum să găsești o hartă a site-ului XML

Există mai multe modalități de a vizualiza harta site-ului:

1. În fișierul robots.txt. Introduceți următoarele în bara de adrese: https://site.com/robots.txt. Fișierul în sine poate conține o directivă XML Sitemap în următorul format: sitemap: https://site.com/sitemap.xml

2. Dacă nu ați găsit un link către fișier în robots.txt, introduceți următoarea interogare în bara de adrese: https://site.com/sitemap.xml

💡 Deși formatul URL pentru fișierul Robots.txt este strict obligatoriu — /robots.txt — URL-ul pentru fișierul Sitemap.xml poate fi oricare.

/sitemap.xml este doar un nume mai popular pentru harta site-ului XML, dar poate fi diferit, de exemplu: /sitemap-categories.xml, /sitemap-en.xml și așa mai departe.

1. De asemenea, puteți efectua o interogare de căutare folosind operatori de căutare. Trebuie să utilizați doi operatori:

• site: — căutări după adresa exactă;
• tip fișier: – caută tipul de fișier necesar;

Pentru a căuta un fișier XML, trebuie să creați o interogare de căutare:

site:site.com tip fișier:xml

Rezultat:

Din ce elemente este alcătuit un sitemap XML?

După cum știm deja, o hartă a site-ului poate fi fie obișnuită, fie indexată. Mai jos vom analiza din ce elemente este alcătuit fiecare dintre aceste tipuri.

Elementele unei hărți a site-ului tipice

Elemente necesare:

• Prima linie specifică versiunea XML și codificarea necesară pentru fișierele sitemap – UTF-8:

• — o etichetă care specifică standardul protocolului curent. Este eticheta părinte a etichetelor enumerate mai jos;
• — o etichetă pentru fiecare intrare URL. Este un părinte al etichetelor enumerate mai jos și un copil al ;
• — o etichetă care specifică adresa URL exactă a unei pagini. Este un copil al .

Elemente opționale:

• — o etichetă care indică ultima dată la care a fost actualizată pagina. Este un copil al Spre deosebire de etichetele anterioare, aceasta este opțională. Rețineți că Google ia în considerare valoarea acestei etichete doar dacă aceasta corespunde cu ora reală a ultimei reîmprospătări a paginii. Când scrieți data în această etichetă, trebuie să utilizați formatul W3C Datetime. Acest format necesită specificarea datei complete cu ore, minute, secunde și fus orar (AAAA-LL-ZZThh:mm:ss+TZD). De exemplu: 2022-05-16T19:20:30+03:00;
• — o etichetă care indică frecvența aproximativă a actualizărilor paginii. Valori valide: always, hourly, daily, weekly, monthly, yearly, never;
• — o etichetă care indică prioritatea unei pagini în comparație cu alte pagini. Valoarea variază de la 0,0 la 1,0.

💡 Conform celor mai recente date de la Centrul de căutare Google, motorul de căutare nu ia în considerare valorile etichetelor< frecvență de schimbare> Şi< prioritate> .

Exemplu de hartă a site-ului XML:

Din ce elemente este alcătuit un sitemap XML?

Există mai multe modalități de a crea o hartă a site-ului:

• Utilizarea unui sistem de gestionare a conținutului (CMS). Sisteme precum WordPress sau Wix pot genera o hartă a site-ului accesibilă motoarelor de căutare. Va trebui să aflați cum generează CMS-ul dvs. o hartă a site-ului – dacă este automată sau necesită câțiva pași suplimentari.
• Manual. Dacă site-ul este mic, puteți crea singur harta site-ului folosind un editor de text și respectând standardele de sintaxă;
• Utilizarea generatoarelor terțe. Există multe servicii care pot genera sitemap-uri. Printre acestea:

• https://www.generatorul_mei_sitemap.com/ ;
• Generator de sitemap-uri XML de la https://smallseotools.com/ (versiunea gratuită este limitată la 500 de pagini);
• https://www.xml-sitemaps.com/ .

Desigur, există multe astfel de generatoare, poți găsi unul care ți se potrivește.

• Folosind Netpeak Spider , urmați acești pași:

1. Crawlează numărul necesar de adrese URL.
2. Deschideți instrumentul Generator de site-uri.

Ghiduri și informații privind fișierele XML Sitemap de la Google

1. Google va accesa cu crawlere adresele URL pe care le furnizați, așa că vă rugăm să vă asigurați că furnizați adrese URL corecte și precise.
2. Toate adresele URL pe care le specificați în harta site-ului trebuie să fie pe domeniul corespunzător. Nu specificați un alt domeniu sau subdomeniu.
3. O hartă a site-ului poate fi plasată oriunde pe site, dar va afecta doar directoarele de sub directorul părinte. Prin urmare, harta site-ului XML ar trebui plasată în directorul rădăcină al site-ului web.
4. Un link către un fișier XML obișnuit sau un fișier index poate fi specificat în fișierul Robots.txt după cum urmează: sitemap: https://site.com/sitemap.xml.
5. Sitemap-urile trebuie create în codificare UTF-8, adică trebuie să utilizeze doar caractere ASCII.
6. Dacă adresele paginilor dvs. conțin alte caractere, acestea trebuie să fie codificate cu caractere escape. Acest lucru se întâmplă de obicei automat, cu excepția cazului în care creați manual adrese de pagină. Dacă caracterele din adresa URL sunt codificate incorect și sunt codificate cu caractere escape, este posibil să primiți o alertă Google atunci când adăugați harta site-ului, care vă informează că paginile din harta site-ului XML nu au fost găsite.
7. Google nu garantează că fiecare adresă URL din harta site-ului dvs. va fi accesată cu crawlere. Acest fișier ajută sistemul doar să determine ce pagini considerați importante.
8. Google ignoră ordinea adreselor URL din harta site-ului.
9. Fișierul XML cu harta site-ului nu trebuie să depășească 50.000 de pagini și 50 MB. Dacă este mai mare, creați o hartă a site-ului index care va conține mai multe fișiere cu hartă a site-ului.
10. Includeți în Sitemap-ul XML doar paginile canonice, indexabile și care pot fi accesate cu crawlere și care returnează un cod de răspuns de 200, excluzând paginile de paginare.
11. Toate adresele URL din sitemap-ul XML trebuie să fie permise în robots.txt pentru crawling și indexare și să nu conțină metaeticheta „noindex”.
    Harta site-ului ar trebui actualizată automat și periodic atunci când paginile specificate sunt adăugate/eliminate, închise/deschise pentru indexare.

Prezentare generală și recomandări pentru fișierul Bing XML Sitemap

Bing nu descrie nicio diferență fundamentală în cerințele sale pentru Sitemap-uri XML, ci doar parafrazează unele dintre standardele enumerate în ghidurile Google. Prin urmare, putem concluziona că, respectând standardele Google, creăm și un Sitemap XML universal pentru Bing.

Cum se construiește o hartă a site-urilor XML pentru site-uri web multilingve

Există trei modalități principale de a indica motoarelor de căutare că versiunile multilingve ale paginilor nu sunt duplicate:

• Atributul rel=”alternate” hreflang=”x” din codul paginii este cea mai comună metodă;
• folosind site-ul XML;
• folosind antete http.

Trebuie menționat că în 99% din cazuri, o singură modalitate de a indica faptul că un site este multilingv este suficientă: utilizarea atributului rel=”alternate” hreflang=”x”.

💡 Dacă creați o hartă a site-ului pentru un site web mare, puteți specifica suplimentar suport multilingv folosind XML-Sitemap.

Pentru a specifica versiuni lingvistice alternative ale unei pagini într-un sitemap XML, trebuie:

• specificați un spațiu de nume într-un bloc :

xmlns:xhtml=\”https://www.w3.org/1999/xhtml\”

• în cadrul etichetei , sub etichetă , care specifică adresa URL a paginii, specifică eticheta pentru fiecare versiune lingvistică a paginii și în cadrul acesteia — atributele rel=\”alternate\” hreflang=\”x\”, care vor indica o anumită versiune lingvistică.

De exemplu, o pagină are trei versiuni lingvistice: rusă, ucraineană și engleză. Adresele URL pentru versiunile lingvistice ale acestei pagini arată astfel:

• https://site.com/ru/
• https://site.com/ua/
• https://site.com/en/

În XML-Sitemap, versiunile multilingve ale paginii vor arăta astfel:

Harta site-ului XML pentru imagini

În unele cazuri, motoarele de căutare nu pot găsi imagini pe un site web. De exemplu, atunci când o imagine este încărcată folosind JavaScript. Există două modalități de a direcționa crawlerele motoarelor de căutare către imagini:

1. Specificați linkuri către acestea într-un sitemap XML obișnuit.
2. Creați o hartă a site-ului separată pentru imagini.

În ambele cazuri, trebuie să specificați spațiul de nume XML în care sunt definite etichetele pentru imagini:

xmlns:image=\”http://www.google.com/schemas/sitemap-image/1.1\”

De asemenea, în cadrul etichetei Etichetele obligatorii pentru imagini sunt specificate:

• — conține toate informațiile despre imagine. Pot fi specificate până la 1000 de imagini pe pagină.
• — locația fișierului. În unele cazuri, adresa URL a imaginii poate fi diferită de cea a domeniului principal al site-ului. Pentru a asigura accesarea corectă a conținutului în astfel de cazuri, ambele domenii trebuie verificate în Google Search Console.

De asemenea, puteți găsi etichete opționale în harta site-ului XML pentru imagini care, conform Centrului de căutare Google, nu sunt luate în considerare de motorul de căutare, și anume:

• — legenda imaginii;
• <image:geo_location> — locul filmării (țară, oraș etc.);
• — Adresa URL a licenței de imagine.

Pe lângă aceste etichete, harta site-ului pentru imagini trebuie să îndeplinească următoarele cerințe:

• Codificarea utilizată este UTF-8;
• O hartă a site-ului XML pentru imagini nu trebuie să conțină mai mult de 50.000 de adrese URL și să nu depășească 50 MB. Dacă harta site-ului depășește aceste limite, trebuie creat un fișier index pentru harta site-ului.
• Acest tip de hartă a site-ului ar trebui să conțină doar pagini canonice deschise pentru indexare și crawling și care returnează un cod de răspuns 200;
• fiecare adresă URL nu conține mai mult de 1000 de imagini;
• Harta site-ului XML pentru imagini ar trebui să conțină doar imagini de dimensiune completă, fără miniaturi;
• Un link către o hartă a site-ului XML pentru imagini sau către un fișier index trebuie plasat în robots.txt;
• Harta site-ului XML pentru imagini trebuie actualizată automat și regulat.

Un exemplu de hartă a site-ului XML pentru imagini care specifică o pagină și două imagini:

Harta site-ului XML pentru videoclipuri

O hartă a site-ului pentru videoclipuri este o modalitate de a informa motoarele de căutare despre prezența videoclipurilor pe o pagină, mai ales dacă sunt adăugate recent sau greu de găsit. Acesta este un aspect important al optimizării pentru motoarele de căutare, mai ales dacă doriți ca videoclipurile dvs. să apară în rezultatele căutării.

Informații generale și recomandări de la Google privind fișierele XML Sitemap pentru videoclipuri:

1. Codificarea utilizată este UTF-8.
2. Fiecare fișier sitemap video poate conține până la 50.000 de elemente video și nu poate depăși 50 MB. Dacă depășiți aceste limite, puteți, la fel ca în cazul sitemap-urilor de bază, să creați un fișier index care conține informații despre sitemap-urile XML obișnuite pentru videoclipuri.
3. Puteți crea o hartă a site-ului XML separată pentru videoclip sau puteți insera informații despre videoclip într-o hartă a site-ului obișnuită.
4. Este permisă listarea mai multor videoclipuri pe o singură pagină.
5. Nu includeți informații despre videoclipuri care nu au legătură cu conținutul principal al paginii. În caz contrar, este posibil ca videoclipul să nu fie indexat de motoarele de căutare.
6. Googlebot ignoră o intrare în Sitemap dacă nu se găsește niciun videoclip la adresa URL specificată.
7. Crearea unui sitemap XML pentru un videoclip nu garantează indexarea fișierelor.
8. Paginile specificate trebuie să fie canonice, deschise pentru indexare și crawling și să returneze un cod de răspuns 200.
9. Googlebot trebuie să aibă acces atât la fișierul video, cât și la player. Acestea nu ar trebui plasate pe pagini care necesită autorizare, blocate în robots.txt sau blocate în alt mod.
10. Plasați un link către harta site-ului XML sau fișierul index în robots.txt.
11. Harta site-ului XML pentru videoclipuri ar trebui actualizată automat și regulat.

Să vedem din ce elemente este alcătuit un sitemap XML pentru videoclipuri.

Mai întâi, trebuie să specificați spațiul de nume în care vor fi definite etichetele:

xmlns:video=\”http://www.google.com/schemas/sitemap-video/1.1\”

Când creați o hartă a site-ului de acest tip, trebuie să specificați și următoarele etichete obligatorii:

• — o etichetă care specifică standardul protocolului curent. Este eticheta părinte a etichetelor enumerate mai jos;
• — o etichetă pentru fiecare intrare URL. Este un părinte al etichetelor enumerate mai jos și un copil al ;
• — o etichetă care specifică adresa URL exactă a unei pagini. Este un copil al ;
• <video:thumbnail_loc> — legătură către pictograma videoclipului;
• — descriere video, maximum 2048 de caractere;
• <video:content_loc> — adresa reală a videoclipului;
• <video:player_loc> — legătură către playerul video;

De asemenea, puteți specifica etichete recomandate:

• — durata videoclipului în secunde, în intervalul de la 1 la 28800 (8 ore) inclusiv;
• <video:expiration_date> — o etichetă care specifică data și ora la care videoclipul va deveni indisponibil. Nu adăugați această etichetă dacă nu doriți ca videoclipul să devină indisponibil în căutarea Google. Data trebuie specificată în format W3C.

Etichete opționale:

• — evaluare video. Specificată în intervalul de la 0,0 la 5,0;
• <video:view_count> — numărul de vizualizări ale videoclipurilor;
• <video:publication_date> — data publicării videoclipului în format W3C;
• <video:family_friendly> — informații despre disponibilitatea videoclipului în SafeSearch. Dacă eticheta este omisă, videoclipul va fi disponibil în SafeSearch. Valori acceptabile: „da” sau „nu”.
• — o etichetă utilizată pentru a bloca sau permite afișarea videoclipurilor în anumite țări. Fără această etichetă, videoclipul va fi permis în toate țările. Pentru a bloca afișarea unui videoclip într-o anumită țară, includeți atributul „relationship” în această etichetă și specificați o valoare „allow” (da) sau „deny” (nu). Iată un exemplu de cod care blochează afișarea unui videoclip în rezultatele căutării în Canada:
• CA ;
• <video:requires_subscription> — indică dacă este necesar un abonament pentru a viziona videoclipul. Valori acceptabile: „da” sau „nu”;
• — numele utilizatorului care a încărcat videoclipul. Se poate specifica un singur nume de utilizator pentru fiecare videoclip. De asemenea, puteți furniza un link cu informații despre utilizatorul care a încărcat videoclipul în atributul info (opțional);
• — indică dacă videoclipul este o transmisiune în direct. Valori acceptabile: „da” sau „nu”;
• <videoclip:etichetă> — Etichete video. Puteți specifica până la 32 de etichete pentru un singur videoclip.
  Google a enumerat atributele pe care nu le mai ia în considerare:< video:categorie> ,< video:galerie_loc> , atributele etichetelor autoplay și allow_embed
• <video:player_loc>, precum și etichete Şi .

Cum ar putea arăta o hartă a site-ului video:

Harta site-ului pentru știri

Pentru site-urile de știri, puteți crea o hartă separată, generată dinamic, care este actualizată zilnic. Aceste fișiere vor funcționa numai pentru resursele incluse în listele Google News. Dacă un site nu este listat, puteți trimite o solicitare pentru a-l adăuga.

Fișierul sitemap trebuie să conțină doar adresele URL ale articolelor publicate în ultimele două zile. Articolele publicate cu mai mult de două zile în urmă pot fi eliminate din fișier, dar vor rămâne în indexul Google News timp de 30 de zile.

Această hartă a site-ului poate conține maximum 1.000 de adrese URL. Această limitare se datorează faptului că hărțile site-ului XML pentru Știri Google sunt accesate cu crawlere mai frecvent decât hărțile site-ului obișnuite, împiedicând astfel motorul de căutare să le supraîncarce. Dacă se adaugă mai mult conținut pe site în termen de două zile, se poate crea un fișier index al hărții site-ului pentru mai multe hărți site-ului.

Google recomandă actualizarea sitemap-ului XML pentru Google News pe măsură ce este publicat conținut nou. Acest sitemap ar trebui plasat fie în directorul rădăcină, fie în secțiunea de știri a site-ului.

Elemente cheie ale unui sitemap pentru știri:

• spațiu de nume pentru sitemap-uri de știri:

xmlns:news=\”http://www.google.com/schemas/sitemap-news/0.9\”

Etichete obligatorii:

• — etichetă părinte pentru toate etichetele de știri;
• — publicația care a publicat articolul. Conține două elemente copil obligatorii:

• — titlul publicației;
• <știri: limbă> — limbaj în formatul ISO 639-1 ;

• <news:publication_date> — data exactă în format W3C;

Exemplu de hartă a site-ului pentru Știri Google:

Cum se implementează o hartă a site-ului

Există mai multe modalități de a direcționa un motor de căutare către un sitemap XML:

• folosind Google Search Console;

• efectuează o cerere ping – trimite o cerere GET la adresa specificată, specificând adresa URL completă a site-ului XML:
  https://www.google.com/ping?sitemap=FULL_URL_OF_SITEMAP

Unde:

FULL_URL_OF_SITEMAP — adresa completă a hărții site-ului XML.

De exemplu:

https://www.google.com/ping?sitemap=https://site.com/sitemap1.xml

• Plasați adresa sitemap-ului în robots.txt – aceasta va fi găsită data viitoare când site-ul va fi accesat cu crawlere. Exemplu:
  Harta site-ului: https://site.com/sitemap1.xml

Harta site-ului XML este analizată doar atunci când este detectată pentru prima dată, nu de fiecare dată când site-ul este accesat cu crawlere. Dacă faceți modificări la fișier, notificați motorul de căutare folosind o solicitare ping.

Erori în site-urile XML

Urmând instrucțiunile de mai sus, puteți evita greșelile frecvente la crearea unui sitemap. Dacă apare o eroare la crearea acestui fișier, o puteți vedea în Google Search Console la secțiunea „Sitemaps”:

De asemenea, puteți verifica erorile folosind Netpeak Spider. Pentru a face acest lucru, selectați „Instrumente” – „Validator XML Sitemap”:

Lipiți linkul către harta site-ului corespunzătoare și faceți clic pe butonul „Start”:

După scanare, validatorul va evidenția erorile din harta site-ului (1). După ce faceți clic pe butonul „Adăugați la tabel” (2), adresele URL ale paginilor se vor muta din validator în spațiul de lucru al programului, unde puteți continua să lucrați:

Truc de viață

Unii experți susțin că sitemap-urile mari nu sunt întotdeauna complet accesate cu crawlere, iar link-urile interne nu sunt întotdeauna indexate rapid. Există unele cazuri în care setarea limitelor de capacitate ale sitemap-urilor la 10.000 sau 1.000 de pagini a dat rezultate mai eficiente.

Se poate concluziona că, dacă aveți probleme specifice cu scanarea și indexarea URL-urilor pe site-ul dvs. sau, de exemplu, dacă trebuie să introduceți rapid pagini noi cu fișe de produs în index, puteți încerca să împărțiți harta site-ului în părți mai mici și să le adăugați în harta site-ului index.

Se presupune că listele mai mici de adrese URL sunt mai ușor de procesat de motoarele de căutare. Cu toate acestea, sitemap-urile nu ar trebui să fie împărțite prea fin, în zeci de mii de fișiere, deoarece Google Search Console afișează în rapoartele sale doar informații despre 1.000 de adrese URL ale sitemap-urilor, ceea ce înseamnă că este posibil să nu primiți date XML despre adresele URL ale sitemap-urilor de la GSC.

Dimensiunea fiecărui sitemap ar trebui calculată în funcție de dimensiunea site-ului web. Pe baza unor studii de caz, este posibil să se testeze împărțirea fișierelor sitemap după secțiune, numărul de adrese URL și recența conținutului.

Concluzii

Motoarele de căutare au nevoie de o hartă a site-ului XML pentru a descoperi și indexa paginile web necesare. Aceasta conține adresele URL ale paginilor web, precum și date suplimentare legate de acestea, cum ar fi ora ultimei actualizări. Este esențial să se respecte cerințele pentru acest tip de fișier pentru a se asigura că motoarele de căutare accesează cu crawlere și indexează paginile web necesare în timp util.

Se pot crea hărți separate pentru imagini și videoclipuri. Marcajul XML poate fi folosit și pentru Google News.

Crearea manuală a unei hărți a site-ului merită doar dacă site-ul dvs. este mic, altfel poate dura foarte mult timp.

Folosește instrumente CMS, generatoare și alte programe software pentru a crea sitemap-uri și verifică periodic corectitudinea fișierului XML.

Sitemap-urile ar trebui actualizate periodic și automat, astfel încât robotul motorului de căutare să poată indexa cele mai recente versiuni ale paginilor cât mai repede posibil după o actualizare sau să evite accesarea cu crawlere a paginilor pentru care instrucțiunile și regulile de acces au fost modificate.

Sursă: Netpeak.net