Verificación de sitemap

Un sitemap es una lista, no una orden

Un buscador encuentra páginas siguiendo enlaces. Un sitemap le ahorra el trabajo. Es un archivo donde escribes la dirección de cada página que quieres que se rastree, para que nada dependa de que alguien encuentre un enlace. El formato es pequeño. Un <urlset> contiene entradas <url>, y cada entrada solo necesita un <loc> con la dirección completa:

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://www.example.com/pricing</loc>
    <lastmod>2026-03-14</lastmod>
  </url>
</urlset>

Un archivo puede contener 50.000 direcciones y pesar 50 MB sin comprimir. Los sitios más grandes dividen la lista en varios archivos y publican un <sitemapindex>, que es un sitemap cuyas entradas son otros sitemaps. Un índice no puede apuntar a otro índice.

Incluir una página en la lista solo pide una visita. Que la página se indexe después depende de la propia página.

Cómo encuentra y lee el archivo esta verificación

Danos un dominio solo y nuestro servidor solicita /robots.txt, y luego busca líneas Sitemap:. Si hay varias, lee la primera y enumera las demás para que las pruebes una por una. Si no hay ninguna, prueba /sitemap.xml, /sitemap_index.xml y /wp-sitemap.xml, en ese orden, y se queda con el primero que contenga un sitemap.

Después el archivo se lee con un analizador XML en flujo, con hasta 5 MB de descarga. Los archivos gzip se descomprimen primero. En el caso de un índice, se descargan y se leen del mismo modo los cinco primeros sitemaps hijos, y el informe dice cuántos quedaron sin leer. Por último, se solicita una vez cada una de cinco direcciones repartidas por la lista, sin seguir redirecciones, para ver qué responden.

Qué significa cada resultado

<priority> y <changefreq> se informan solo a título informativo. Google ha dicho que ignora ambos.

Arreglos para los fallos habituales

El analizador se detiene a mitad del archivo

Busca un & sin escapar en una dirección. Dentro de XML se escribe &, así que ?a=1&b=2 pasa a ser ?a=1&b=2. Una línea en blanco o un aviso de PHP impreso antes de <?xml rompe el archivo desde su primer byte.

Direcciones en el host equivocado o en http://

El generador construye las direcciones a partir de la dirección del sitio que figura en sus ajustes. Pon ahí la forma en la que acaban los visitantes tras las redirecciones y vuelve a generar.

Todos los lastmod son idénticos

El generador está estampando la hora a la que se ejecutó. Configúralo para que use la fecha de la última edición de cada página, o deja la etiqueta fuera. Una fecha falsa es peor que ninguna: cuando los buscadores ven que no coincide con los cambios reales, dejan de fiarse de la etiqueta en todo el sitio.

Páginas muertas o redirigidas en la muestra

Vuelve a generar el sitemap tras borrar o mover páginas, y lista solo direcciones que respondan 200 y se nombren a sí mismas como canónicas. Para los enlaces dentro de tus páginas, tienes el buscador de enlaces rotos.

No declarado en robots.txt

Añade una línea con la dirección completa en cualquier parte del archivo: Sitemap: https://www.example.com/sitemap.xml.

Lo que esta verificación no puede decirte

Lee como máximo 5 MB por archivo y cinco hijos de un índice, así que en un sitio muy grande los recuentos describen la parte que se leyó. Los duplicados se buscan dentro de cada archivo, no entre archivos. Las extensiones de imagen, vídeo, noticias y hreflang se cuentan pero no se validan.