Verificação de sitemap

Um sitemap é uma lista, não uma ordem

Um buscador encontra páginas seguindo links. O sitemap poupa esse trabalho. É um único arquivo em que você escreve o endereço de cada página que quer ver rastreada, para que nada dependa de um link ser encontrado. O formato é pequeno. Um <urlset> contém entradas <url>, e cada entrada só precisa de um <loc> com o endereço completo:

<?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>

Um arquivo pode ter 50.000 endereços e pesar 50 MB antes da compressão. Sites maiores dividem a lista em vários arquivos e publicam um <sitemapindex>, que é um sitemap cujas entradas são outros sitemaps. Um índice não pode apontar para outro índice.

Listar uma página só pede uma visita. Se a página vai ser indexada depois, isso depende da própria página.

Como esta verificação encontra e lê o arquivo

Dê um domínio sozinho e nosso servidor pede o /robots.txt, depois procura linhas Sitemap:. Se houver várias, ele lê a primeira e lista as outras para você testar uma por uma. Se não houver nenhuma, ele tenta /sitemap.xml, /sitemap_index.xml e /wp-sitemap.xml, nessa ordem, e fica com o primeiro que contém um sitemap.

O arquivo é então lido com um parser XML em fluxo, até 5 MB de download. Arquivos gzip são descompactados antes. No caso de um índice, os cinco primeiros sitemaps filhos são baixados e lidos do mesmo jeito, e o relatório diz quantos ficaram sem leitura. Por fim, cinco endereços espalhados pela lista são pedidos uma vez cada, sem seguir redirecionamentos, para ver o que respondem.

O que cada resultado significa

<priority> e <changefreq> aparecem só a título de informação. O Google já disse que ignora os dois.

Consertos para os defeitos de sempre

O parser para no meio do arquivo

Procure um & cru num endereço. Dentro do XML ele se escreve &, então ?a=1&b=2 vira ?a=1&b=2. Uma linha em branco ou um aviso do PHP impresso antes de <?xml quebra o arquivo logo no primeiro byte.

Endereços no host errado ou em http://

O gerador monta os endereços a partir do endereço do site nas configurações dele. Ajuste esse valor para a forma em que os visitantes chegam depois dos redirecionamentos e gere de novo.

Todos os lastmod são iguais

O gerador está carimbando a hora em que rodou. Configure-o para usar a data da última edição de cada página, ou deixe a tag de fora. Uma data errada é pior do que nenhuma: quando os buscadores percebem que ela não bate com as mudanças reais, param de confiar na tag para o site inteiro.

Páginas mortas ou redirecionadas na amostra

Gere o sitemap de novo depois de apagar ou mover páginas, e liste só endereços que respondem 200 e se declaram canônicos. Para os links dentro das suas páginas, existe o localizador de links quebrados.

Não declarado no robots.txt

Acrescente uma linha com o endereço completo em qualquer ponto do arquivo: Sitemap: https://www.example.com/sitemap.xml.

O que esta verificação não consegue dizer

Ela lê no máximo 5 MB por arquivo e cinco filhos de um índice, então num site muito grande as contagens descrevem a parte que foi lida. As duplicatas são procuradas dentro de cada arquivo, não entre arquivos. As extensões de imagem, vídeo, notícias e hreflang são contadas, mas não validadas.