Sitemap.xml Validator — Έλεγχος πραγματικής συμμόρφωσης πρωτοκόλλου

Ένα αρχείο sitemap.xml μπορεί να είναι άρτια συντακτικά XML και παρόλα αυτά να είναι ένα κατεστραμμένο sitemap: ένα xmlns namespace που λείπει, ένα σχετικό <loc> URL, ένα <priority> με τιμή "1.5" ή ένα <changefreq> με τιμή "Daily" αντί για "daily" θα περάσουν όλα από έναν γενικό XML validator ενώ σιωπηλά αποτυγχάνουν στο πραγματικό πρωτόκολλο sitemap που περιμένουν η Google, το Bing και κάθε άλλος καταναλωτής του αρχείου. Αυτό το εργαλείο αναλύει το επικολλημένο ή ανεβασμένο sitemap σας με το ενσωματωμένο DOMParser του browser και το ελέγχει σύμφωνα με τους πραγματικούς κανόνες που δημοσιεύονται στο sitemaps.org: το root element πρέπει να είναι <urlset> για ένα κανονικό sitemap ή <sitemapindex> για ένα sitemap index (αυτόματη ανίχνευση), ιδανικά δηλωμένο με το ακριβές namespace http://www.sitemaps.org/schemas/sitemap/0.9, και κάθε <url> (ή <sitemap>, σε αρχείο index) πρέπει να περιέχει ένα <loc> που αντιστοιχεί σε ένα γνήσιο απόλυτο http/https URL.

Πέρα από τη δομή, το πρωτόκολλο τεκμηριώνει επίσης αυστηρά όρια και ακριβείς μορφές πεδίων που αυτό το εργαλείο ελέγχει πεδίο προς πεδίο. Ένα μεμονωμένο αρχείο sitemap δεν πρέπει να περιέχει πάνω από 50.000 URL και δεν πρέπει να ξεπερνά τα 50MB ασυμπίεστο μέγεθος — όρια που ισχύουν και για τα αρχεία sitemap index, μετρώντας τις εγγραφές <sitemap> αντί για <url> — και αυτό το εργαλείο μετρά το πραγματικό σας επικολλημένο/ανεβασμένο περιεχόμενο και στις δύο περιπτώσεις. Κάθε <lastmod>, εφόσον υπάρχει, ελέγχεται ως προς τις πραγματικές μορφές W3C-datetime που αποδέχεται η προδιαγραφή: μια σκέτη ημερομηνία (YYYY-MM-DD) ή μια πλήρης χρονική σήμανση με ώρες, λεπτά, προαιρετικά δευτερόλεπτα και υποχρεωτικό προσδιορισμό ζώνης ώρας. Κάθε <priority>, εφόσον υπάρχει, πρέπει να είναι δεκαδικός αριθμός μεταξύ 0,0 και 1,0, και κάθε <changefreq> πρέπει να είναι ακριβώς μία από τις επτά τιμές που ορίζει η προδιαγραφή — always, hourly, daily, weekly, monthly, yearly, never — όχι κάποιο φαινομενικά πιθανό συνώνυμο. Κάθε παραβίαση κατονομάζει τον συγκεκριμένο αριθμό εγγραφής και την πραγματική της τιμή, με ανώτατο όριο εμφάνισης 50 παραβατών ανά κανόνα και σημείωση «+N ακόμη», ώστε η αναφορά να παραμένει ευανάγνωστη ακόμα και για ένα sitemap κοντά στο όριο URL.

Δύο έλεγχοι ξεπερνούν όσα απαιτεί το γραπτό πρωτόκολλο αλλά εντοπίζουν πραγματικά, συχνά προβλήματα: ένα ιστόγραμμα φρεσκάδας <lastmod> ομαδοποιεί κάθε έγκυρη ημερομηνία τελευταίας τροποποίησης ανά μήνα, ώστε να βλέπετε με μια ματιά αν το περιεχόμενο ενός ιστότοπου διατηρείται πραγματικά επίκαιρο ή αν τα περισσότερα URL φέρουν μια μπαγιάτικη χρονική σήμανση από χρόνια πριν, και ένας ανιχνευτής διπλότυπων <loc> επισημαίνει οποιοδήποτε URL εμφανίζεται περισσότερες από μία φορές στο ίδιο αρχείο — μια συχνή παρενέργεια εργαλείων δημιουργίας sitemaps που συγχωνεύουν πολλαπλές πηγές χωρίς αφαίρεση διπλότυπων. Όλα εκτελούνται τοπικά: η ανάλυση, ο έλεγχος κανόνων και το ιστόγραμμα υπολογίζονται όλα στον browser σας από το κείμενο που επικολλήσατε ή το αρχείο που ανεβάσατε μέσω του File API, τίποτα δεν ανακτάται ούτε αποστέλλεται σε κάποιον server, και κανένα μεμονωμένο URL στο sitemap σας δεν ζητείται ούτε ανιχνεύεται ποτέ — αυτό το εργαλείο ελέγχει το ίδιο το έγγραφο sitemap, όχι αν οι σελίδες που παραθέτει υπάρχουν πραγματικά ή επιστρέφουν 200 OK.