Search Console 报「无法获取」时,问题多半出在 XML 本身:命名空间写错、loc 空了、lastmod 是 13 月 45 日。这一页把 sitemap 粘进来逐条校验——结构、字段值域、重复 URL、域名分布,错误定位到行号,改完再提交不挨骂。
粘贴的内容只在本页内存里校验,不上传到服务器,也不用登录;「抓取 URL」只在你主动输入地址点击时发起。界面选项存在本机 localStorage,页脚「清空我的数据」可删。
| 输入格式 | sitemap XML(urlset 或 sitemapindex)全文粘贴;或输入 URL 抓取(仅同域/CORS 开放);≤1MB |
|---|---|
| 输出格式 | 统计卡(总数/重复/错误/警告/域名数)+ 域名分布条形 + 错误清单(错误级别 + 行:列定位) |
| 关键参数 | 无选项;错误清单上限 200 条(超出截断提示);?url= 直达抓取 |
| 处理方式 | 浏览器本地自写解析器逐条校验;粘贴内容不落盘不上传;「抓取」仅在你主动点击时发起一次 GET |
| 上限 | 1MB/次;URL 条目 ≤5 万(sitemap 协议上限);错误清单 200 条 |
| 已知边界 | 不校验 URL 是否真实可达(不发 HEAD 请求);gzip 压缩的 .xml.gz 不支持(先解压再粘);XML 声明前的 BOM 会容忍但提示;sitemapindex 只做结构校验不递归抓子表 |
这份清单是照着 sitemaps.org 协议 0.9 与 Google Search Console 常见拒收原因整理的,每条我都踩过或见过别人踩:
urlset(或 sitemapindex);名字写错、大小写不对直接报错。xmlns 必须是 http://www.sitemaps.org/schemas/sitemap/0.9(https 也容忍但给提示)。<url> 里必须有 <loc> 且非空;协议要求绝对 URL(带协议头),相对路径报错。YYYY-MM-DD、YYYY-MM-DDThh:mm:ss+zz:zz 等;2024-13-45、2024-02-30 这类格式对但日期不存在的报错。always / hourly / daily / weekly / monthly / yearly / never 七个值,其他报错。1.5、-0.2、高 都报错。Google 的校验要登录 Search Console、绑定站点所有权;第三方的在线校验器要把你的 sitemap 发到它服务器。内网预发环境的 sitemap、还没上线的域名,贴到第三方校验器等于主动泄密。这个页面全部在浏览器本地解析——断网也能用,贴了什么只有你自己知道。
Google 2019 年起只在 lastmod「与页面真实修改时间一致」时才采用,发现批量伪造会整体忽略。每天自动把所有 lastmod 刷成当天,是自欺欺人——不如不写。我认为 lastmod 宁缺毋滥,CMS 自动生成的真实时间戳才有价值。
结构层:必须是 urlset(sitemapindex 也认)、命名空间 0.9 校验、每个 url 里 loc 必填、loc 必须是合法绝对 URL。字段层:lastmod 按 W3C 格式校验(YYYY-MM-DD 最常见)、changefreq 只认 always/hourly/daily/weekly/monthly/yearly/never、priority 必须在 0.0–1.0。另有重复 loc 去重统计、URL 总数、域名分布。
能,但有条件:浏览器同源策略限制,只有同域(本站)或对方开了 CORS 的公网 sitemap 才抓得到。多数站点不开 CORS,所以主路径是「查看源代码 → 复制 → 粘贴进来」,一行不少。抓取失败会如实报错,不会假装校验通过。
报错,定位到行号。13 月 45 日不是合法日期;同理 2024-02-30(2 月没有 30 日)也会报。格式对但语义错的日期,是手写 sitemap 最常见的翻车点,搜索引擎会直接忽略整个 lastmod 字段。
不会。校验全部在这台设备的浏览器里完成,粘贴的内容不落盘、不上传。「抓取 URL」只在你主动输入地址并点击时发起,抓到的内容也只在内存里校验。页脚「清空我的数据」删掉本机界面选项。