Sitemap.xml Validator — Real Protocol Compliance Checker

Soubor sitemap.xml může být dokonale správně vytvořený XML a přesto může být nefunkčním souborem Sitemap: chybějící jmenný prostor xmlns, relativní adresa URL <loc>, <priorita> "1,5" nebo <changefreq> "Daily" místo "daily" – to vše projde obecným validátorem XML, zatímco tiše selže skutečný protokol sitemap, který každý jiný spotřebitel souboru od společnosti Google, Bing a soubor očekává. Tento nástroj analyzuje vaši vloženou nebo nahranou mapu webu s nativním DOMParserem prohlížeče a zkontroluje ji proti skutečným pravidlům publikovaným na sitemaps.org: kořenový prvek musí být <urlset> pro běžný soubor Sitemap nebo <sitemapindex> pro index mapy webu (automaticky detekován), ideálně deklarovaný s přesným jmenným prostorem http://www.sitemaps.org/site9>, a v každém souboru sitemap/0. musí obsahovat <loc>, který se překládá na skutečnou absolutní http/https URL.

Kromě struktury protokol také dokumentuje tvrdé limity a přesné formáty polí, které tento nástroj kontroluje pole po poli. Jeden soubor sitemap nesmí obsahovat více než 50 000 adres URL a nesmí překročit 50 MB v nekomprimovaném stavu – limity, které platí i pro indexové soubory Sitemap, přičemž se počítají položky <sitemap> místo položek <url> – a tento nástroj měří váš skutečně vložený/nahraný obsah vůči oběma. Každý <lastmod>, pokud je přítomen, je porovnán se skutečnými formáty W3C-datetime, které specifikace akceptuje: holým datem (RRRR-MM-DD) nebo úplným časovým razítkem s hodinami, minutami, volitelnými sekundami a povinným označením časového pásma. Každá <priorita>, je-li přítomna, musí být desetinné číslo mezi 0,0 a 1,0 a každá <changefreq> musí být přesně jednou ze sedmi hodnot, které specifikace definuje – vždy, hodinově, denně, týdně, měsíčně, ročně, nikdy – nejde o věrohodně vypadající synonymum. Každé porušení pojmenovává konkrétní číslo položky a její skutečnou hodnotu, omezenou na 50 zobrazených pachatelů na pravidlo s poznámkou „+N dalších“, takže zpráva zůstane čitelná i na mapě webu blízko limitu adresy URL.

Dvě kontroly jdou nad rámec toho, co vyžaduje psaný protokol, ale zachycují skutečné, běžné problémy: histogram aktuálnosti <lastmod> seskupuje každé platné datum poslední změny po měsíci, takže můžete na první pohled vidět, zda je obsah webu skutečně udržován aktuální nebo zda většina adres URL obsahuje zastaralé časové razítko z doby před lety, a detektor duplicitních <loc> označí jakoukoli adresu URL uvedenou více než jednou ve stejném souboru sloučení více než jednou, aniž by došlo k častému vedlejšímu efektu sloučení více zdrojů na stejném webu. Vše běží lokálně: analýza, kontrola pravidel a histogram se ve vašem prohlížeči vypočítá z textu, který jste vložili, nebo ze souboru, který jste nahráli přes File API, nic se nenačte ani neodešle na server a žádná jednotlivá adresa URL ve vašem souboru Sitemap není nikdy požadována ani procházena – tento nástroj kontroluje samotný dokument Sitemap, nikoli to, zda stránky, které uvádí, skutečně existují nebo vrátí 200 v pořádku.