Sitemap是什么：XML站点地图的作用、格式和 GSC 提交步骤

Sitemap这个文件最有意思的地方在于：它列的是你希望Google看到的网址，可你在Search Console里点了Submit，也只是告诉Google文件放在哪，文件本身并没有上传过去。提交只是提示，不保证Google会下载它，也不保证会用它去抓站点里的网址。

对出海做英文站的人来说，这件事的分量在这儿：sitemap是少数几分钟能做完、做完基本不用管的动作，但它决定不了收录，更决定不了排名。站点能不能被抓、被抓了会不会被索引，是连在一起的一串活，整体怎么做可以先看谷歌搜索引擎优化这一篇。新站先别急着提交，先把能被抓到的页面做对。

• 是什么：一个文件，列出页面、视频和其他文件，以及它们之间的关系
• 官方怎么说：提交只是提示，不保证下载，也不保证用于抓取
• 怎么做：在Search Console的Sitemaps报告粘贴网址点Submit，或者在robots.txt里写一行
• 上限多少：单个sitemap是50MB（未压缩）或50,000个网址，页面进搜索结果不花钱
• 常见误区：提交不等于收录，robots.txt不是把网页挡出Google的手段

这篇把定义、格式、跟robots.txt的分工、GSC提交的五步、上限数字和报错排查一次讲完，能照着做的部分直接照做。

Sitemap是什么文件：XML站点地图里到底写了什么

Sitemap是什么意思，一句话说得清：它把你站点上的页面、视频和其他文件列出来，还写清它们之间的关系。这句话里有两处容易被跳过去。文件放在你自己的站点上，不是上传给Google的；它列的是网址，不是页面正文。

再往下一层，是它带的信息。sitemap告诉搜索引擎你认为站点里哪些页面和文件重要，还能带上这些文件的信息，比如页面最后更新时间，以及页面有没有其他语言版本。视频、图片、新闻这几类内容，也能通过sitemap单独提供信息。Search Console的帮助页说得更直白：站点上的一个文件，告诉Google站点上哪些页面是我们应该知道的。

官方定义：给搜索引擎看的页面清单

官方文档写，sitemap是一个文件，用来提供站点页面、视频和其他文件的信息，以及它们之间的关系。「关系」这两个字别跳过：同一篇文章的中文版和英文版、同一个产品的图片和详情页，这种对应关系也能写进去，搜索引擎读到之后处理起来省事。

作用最后落在一个词上：发现。sitemap帮搜索引擎发现你站点上的网址，但不保证里面的条目都会被抓取和索引。这两件事分得很开，前者是它干的活，后者是Google的决定。把它当成收录开关，后面每一步判断都会歪。

XML、文本两种格式各适合谁

Google支持sitemaps protocol定义的格式，每种格式各有长短，Google没有偏好，选适合你站点和建站方式的那种就行。别在格式上纠结，能生成、能访问、内容对，就够了。

XML sitemap是各格式里最通用的，可扩展，能带图片、视频、新闻内容的信息，也能带页面的本地化版本，做多语言站最实用。文本sitemap是最简单的格式，只能列出HTML和其他可索引页面的网址，除了网址不要放别的东西。站点只有几十个静态页、又不想碰XML，文本够用；有视频、多语言、图片这些内容，就用XML。

两种格式都要守的规矩：文件必须用UTF-8编码，里面的网址要用完整的绝对地址，Google会严格按你列的网址去抓，多一个斜杠少一个斜杠它都照抓。

什么站需要sitemap、什么站不需要

站点页面之间的链接做得好，Google通常能发现大部分页面。链接做得好指的是，你认为重要的页面，都能通过导航或者页面上放的链接点进去。这种情况sitemap是加分的，但不算必需品。

需要的情况有几种：站点大，大站很难保证每个页面都至少被另一个页面链到；站点新，外部还没有什么链接指向它；站点里有大量富媒体内容，或者出现在Google News里。不需要的情况也对得上：站点小、内部链接全面，Googlebot从首页顺着链接能走完所有重要页面，也没有多少媒体文件或新闻页。

判断完要不要，接着是怎么生成。用WordPress、Wix、Blogger这类CMS时，CMS很可能已经生成好sitemap提供给搜索引擎，你什么都不用做。网址只有几十个以内，可以手动创建；超过几十个，就要自动生成，最好的方式是让网站软件自己生成。这块的具体做法看网站地图sitemap生成。sitemap里网址的顺序对Google不重要，不用花时间排。

还有一件相关的事：sitemap里网址长什么样，取决于你的网址结构。层级乱、参数多、同一个页面好几个地址，列出来也是一团乱，抓取和去重都更费劲。这块的基础在网站URL结构。

Sitemap和robots.txt有什么区别：一个指路，一个管门

两者各管什么

robots.txt文件告诉搜索引擎爬虫，可以访问站点上哪些网址。它主要用来避免请求过多把站点压垮，不是把网页挡出Google的机制。sitemap干的是另一件事：把你想让搜索引擎知道的网址列出来，相当于给一张地图。一个管门开多大，一个负责指路。

位置也不一样。官方推荐把sitemap放在站点根目录；robots.txt必须上传到站点根目录，文件名就叫robots.txt。放在根上，作用范围覆盖整个站点。

想把网页挡出Google，该用noindex不是robots.txt

这是最容易搞错的一处。用robots.txt屏蔽Googlebot会阻止抓取，但页面的网址仍然可能出现在搜索结果里，只是那条结果没有描述。页面被robots.txt禁止、又被别的站点链接，它照样可能被索引。

要把网页挡出Google，做法是三种：给服务器上的文件加密码保护，用noindex meta标签或noindex响应头阻止索引，或者把页面彻底删掉。用noindex的时候要允许Google抓取那个网址，不然它读不到noindex，等于没写。robots.txt里的指令也没法强制爬虫遵守，靠的是爬虫自己守规矩。

robots.txt里也能写Sitemap行

robots.txt里可以加一行Sitemap，写清sitemap的路径，位置放在文件里任意地方都行，Google下次抓robots.txt的时候会发现它。可以写多行，数量没有上限。手里有好几个sitemap、想在一个地方统一交代，用这个写法省事。

改robots.txt的流程是：把站点上的robots.txt下载一份，改完再传回站点根目录，保存时用UTF-8，语法要对。Google爬虫每24小时更新一次robots.txt的缓存，想更快生效，可以用robots.txt报告里的Request a recrawl功能。

Sitemap怎么提交到Google Search Console：5步走完

动手前先弄清一件事：所谓提交sitemap，意思是告诉Google这个文件在站点什么位置，你并不能真的把文件上传给Google。想明白这点，后面几步就顺。GSC的界面和权限基础看GSC新手入门完整指南。

1. 先确认sitemap存在。用CMS的先在站点上找到sitemap的地址，几十个网址以内可以手建，超过就让网站软件自动生成。确认办法很直接：在浏览器里把这个网址打开，看能不能看到一串网址。
2. 用网址检查跑一次实时测试。把sitemap的网址填进网址检查工具，点Live test，确认Googlebot能访问到这个文件。抓不到的文件，提交了也是白提。
3. 在Sitemaps报告里提交。把上一步测试过的网址粘贴进Add a new sitemap框，点Submit。这一步能看到Googlebot什么时候访问了sitemap，以及有没有处理错误。用这个报告提交需要对资源有owner权限，没有owner权限，就改在robots.txt里列出sitemap。
4. 提交完回报告看状态行。状态有Success、Has errors、Couldn't fetch三种，Success表示sitemap加载和处理都成功，里面的网址会进入抓取队列。不是Success，就点那一行看失败详情，对着报错逐条改。
5. 修好之后重新提交。抓取失败，Google会重试几天，文件还是不可用或者有关键错误就停下来，停下来不会自己恢复。把问题修掉，再发一次新的提交请求。

提交成功之后，sitemap本身应该会被立即抓取，但抓取里面列的网址要花时间，而且不是所有网址都会被抓住，取决于站点大小、活跃程度、流量这些因素。抓取成功过的sitemap，Google会定期重新抓，节奏跟常规的站点抓取是分开的。

数字和限制：sitemap单文件多大、多少网址要拆

数字不多，每一个都直接决定你怎么做。所有格式都一样：单个sitemap上限是50MB（未压缩）或50,000个网址，哪个先到算哪个。超了必须拆成多个sitemap，拆完可以建一个sitemap index文件，只把索引文件提交给Google。

小站不用为sitemap操心，大站要提前想好怎么拆，sitemap多的站要盯着报告显示条数这个天花板。

50,000个网址这个数，做英文站的人大多用不到，问题常出在50MB上：每个页面都带图、带视频、带多语言版本，网址数没到线，体积先到线。压缩过的sitemap Google能读，但大小上限按未压缩的算。

最后一行是Search Console的限制：Sitemaps报告最多显示1,000条提交请求，提交更多也能提，但报告里只显示1,000条，而且不按提交顺序排。站多、sitemap多的人要记这个数，不然会以为提交丢了。

还有一个数跟钱有关：让页面进搜索结果不花钱。这句官方写得很直白，谁跟你说要交钱才能被收录，都是想从你口袋里掏钱。

Sitemap提交后不收录、报Couldn't fetch，怎么一步步排查

三个容易搞错的地方：提交、抓取、索引

提交是通知，抓取是访问，索引是放进库，三件事各走各的。状态显示Success，只能说明文件被成功读取、里面的网址进了抓取队列，队列里的网址会不会真被抓、抓了会不会被索引，另外算。

被索引了也不保证会出现某个人搜的结果里，搜索结果按每个人的历史、位置这些条件定制。页面满足最低技术要求，只代表有资格被索引，索引本身并不保证。

也别指望站点每个网址都被索引。有些网址是重复的，有些本身没多少有用信息，关键页面被索引就够了。官方对覆盖率的说法是，只该期待规范页面被索引。

报Couldn't fetch，按这个顺序查

1. 先看robots.txt是不是把sitemap屏蔽了。Google抓sitemap的时候遵守robots.txt，有阻止规则就去掉。顺手看一眼站点有没有未解决的人工处置，有的话sitemap不会被读取，要先在manual actions报告里处理，修完再发一次sitemap。
2. 再看网址对不对。sitemap地址填错会报HTTP 404，在浏览器里打开这个网址就能确认文件在不在。
3. 然后看文件本身。没压缩时超过50MB会报文件大小错误，得拆成几个小的，再列进sitemap index提交；压缩版报解压错误，重新压缩、上传、重新提交；报Empty sitemap，说明文件里一个网址都没有。
4. 最后看网址的写法。重定向太多会报URLs not followed，把sitemap里的重定向网址换成实际要抓的那个地址，别用JavaScript或meta-refresh做跳转。用了相对链接的换成完整绝对地址。sitemap里放了比文件层级更高或者不同域名的网址，会报URL not allowed。

想一次看清卡在哪，去Sitemaps报告的详情页把sitemap网址复制出来，粘进网址检查工具，点Live test，展开Page availability看原因。要看两个值：Crawl allowed?是Yes，Page fetch是Successful。

报告里看不到自己提交的sitemap

两个原因最常见。一个是它属于另一个资源：http和https、带www和不带www，在Search Console里是不同的资源，sitemap跟着资源走，一个资源里提交的，在另一个资源里看不到。另一个是通过robots.txt引用或别的途径被发现的sitemap不会显示，这个报告只显示通过报告本身或者API提交的。

sitemap这一层修完，站点层面该看的还有一批：抓取、索引、结构化数据这些基础项，对着技术SEO自查清单过一遍；页面之间的链接怎么排，看站内SEO优化清单；sitemap里列着一堆已经404的地址，先按死链对SEO影响把死链清掉再提交，比反复提交有用得多。

用AI整理sitemap和排查报错：哪些能交出去，哪些必须自己点

sitemap这件事里，AI能干的是纸面活：排格式、挑毛病、把报错翻成排查顺序。它干不了的是登录后台点按钮，也看不到你账号里的真实状态。这条线分清楚，用起来才顺。

1. 把站点网址清单整理成sitemap的XML结构草稿，按官方示例的urlset、url、loc、lastmod字段排好。
2. 检查sitemap里有没有相对网址、重定向网址、跨域名网址，逐条标出来让人去改。
3. 把Search Console的报错原文贴给它，让它对照官方错误说明给出排查顺序。
4. 起草提交后的检查清单，按Success、Has errors、Couldn't fetch三种状态分别列下一步动作。

三条能直接照抄的提示词，是本文给的示例，不是官方模板。

「下面是我的网址清单，请按Google sitemap的XML格式生成草稿，只保留loc和lastmod两个字段，网址必须是完整绝对地址，输出后逐条标出哪些不是绝对地址。」

「这是我的sitemap片段，请找出相对网址、重定向网址、与sitemap文件不同域名或更高层级的网址，逐条列出并说明为什么会被报URL not allowed或URLs not followed。」

「这是Search Console Sitemaps报告里的报错原文，请对照Google官方sitemap错误说明，按先查robots.txt、再查网址是否存在、再查文件大小和压缩的顺序给我排查步骤。」

它替不了的三件事，得你自己动手：

• 在Search Console的Sitemaps报告里，把测试过的sitemap网址粘贴进Add a new sitemap框，点Submit。
• 在网址检查工具里对sitemap网址跑一次Live test，看Page availability里Crawl allowed?是不是Yes、Page fetch是不是Successful，按这个结果决定直接提交还是先修。
• 提交后回Sitemaps报告看状态行，是Success就定期回看，是Has errors或Couldn't fetch就点进详情页按报错逐条修。

提交不是终点。站点上线以后，哪几篇该改、改什么、先改哪篇，猎者出海的AI Agent会每周按数据给出一张单子，照着做比凭感觉改省事。

相关文章：想从站点整体看收录和抓取上的问题，可以看SEO诊断。

常见问题

sitemap提交后多久会被抓取？

文件本身提交后应该很快被抓取。里面列的网址什么时候被抓、能抓多少，看站点大小、更新频率和流量，没有一张固定的时间表。把它当成排队，不排队才是异常。

sitemap提交后多久会被索引？

新建的站点或者新页面，Google开始抓取和索引大概要一周左右。新加的内容过几天才被索引是正常的，想缩短这个延迟可以请求编入索引。sitemap负责被看见，索引是后面那一步。

用WordPress或Wix还要自己做sitemap吗？

不用。WordPress、Wix、Blogger这类CMS很可能已经把sitemap生成好提供给搜索引擎了。用Squarespace、Wix这类托管服务，sitemap可能由它们替你管，你既不用自己做，也不用去动那个报告。

sitemap对排名有影响吗？

它干的事是让搜索引擎发现网址，收录和排名是后面两步的事。花在sitemap上的时间够了就停，多出来的时间放到页面内容和内链上。

页面没被索引是不是出问题了？

不一定，有些页面不索引是对的。被robots.txt或noindex挡住的、跟别的页面重复的、本身不适合索引的页面，不索引没问题。你要盯的是关键页面，先确认首页被索引。

删除sitemap会让Google忘掉这些网址吗？

不会。删掉只是把它从Sitemaps报告里移除，Google不会忘记这个sitemap，也不会忘记里面列过的网址。真要让它停止访问这些网址，得用robots.txt规则。

sitemap这个文件，做对一次能省后面很多来回：位置放对、网址用绝对地址、编码用UTF-8、状态看到Success，剩下的交给站点本身的内容。它是张地图，不是油门。