Sitemap.xml Validator — Real Protocol Compliance Checker

En sitemap.xml-fil kan være perfekt velformet XML og stadig være et ødelagt sitemap: et manglende xmlns-navneområde, en relativ <loc> URL, en <prioritet> på "1.5" eller en <changefreq> på "Daily" i stedet for "daily" vil alle bestå en generisk validator, mens den stille og roligt svigter den faktiske sitemap-fil-protokol, som alle andre forbrugere forventer af Googles sitemap-fil og Google. Dette værktøj analyserer dit indsatte eller uploadede sitemap med browserens oprindelige DOMParser og kontrollerer det i forhold til de rigtige regler offentliggjort på sitemaps.org: rodelementet skal være <urlset> for et almindeligt sitemap eller <sitemapindex> for et sitemapindeks (auto-detekteret), ideelt erklæret med det nøjagtige navneområde http://www.sitemaps.org/schemas.org/schemas. <sitemap>, i en indeksfil) skal indeholde en <loc>, der omdannes til en ægte absolut http/https URL.

Ud over struktur dokumenterer protokollen også hårde grænser og præcise feltformater, som dette værktøj kontrollerer felt for felt. En enkelt sitemapfil må ikke vise mere end 50.000 URL'er og må ikke overstige 50 MB ukomprimeret - grænser, der også gælder for sitemapindeksfiler, der tæller <sitemap>-poster i stedet for <url>-poster - og dette værktøj måler dit faktiske indsatte/uploadede indhold mod begge. Hver <lastmod>, hvis den er til stede, kontrolleres i forhold til de rigtige W3C-datotidsformater, som specifikationerne accepterer: en blottet dato (ÅÅÅÅ-MM-DD) eller et fuldt tidsstempel med timer, minutter, valgfri sekunder og en obligatorisk tidszonedesignator. Hver <prioritet>, hvis den er til stede, skal være en decimal mellem 0,0 og 1,0, og hver <changefreq> skal være nøjagtig en af ​​de syv værdier, specifikationen definerer - altid, hver time, dagligt, ugentligt, månedligt, årligt, aldrig - ikke et plausibelt synonym. Hver overtrædelse navngiver det specifikke indgangsnummer og dets faktiske værdi, begrænset til 50 viste lovovertrædere pr. regel med en "+N mere" note, så rapporten forbliver læsbar selv på et sitemap tæt på URL-grænsen.

To kontroller går ud over, hvad den skrevne protokol kræver, men fanger virkelige, almindelige problemer: et <lastmod>-friskhedshistogram grupperer hver gyldig dato for sidste ændring efter måned, så du med et øjeblik kan se, om et websteds indhold rent faktisk holdes aktuelt, eller om de fleste URL'er har et uaktuelt tidsstempel fra år siden, og en duplikat-<loc>-detektor markerer enhver URL-sideeffekt, der er angivet mere end en generator af samme fil, som er flere gange i en side-fil. kilder uden at deduplikere. Alt kører lokalt: Parsing, regelkontrol og histogrammet er alle beregnet i din browser ud fra den tekst, du indsatte eller den fil, du uploadede via File API, intet hentes eller uploades til en server, og ingen individuel URL i dit sitemap bliver nogensinde anmodet om eller crawlet - dette værktøj tjekker selve sitemapdokumentet, ikke om siderne, det viser, faktisk eksisterer eller returnerer 200.