Validador de Sitemap.xml: comprobación real del cumplimiento del protocolo

Un archivo sitemap.xml puede ser XML perfectamente bien formado y aun así ser un sitemap roto: un espacio de nombres xmlns ausente, una URL relativa en <loc>, un <priority> de «1.5» o un <changefreq> de «Daily» en lugar de «daily» pasarán cualquier validador XML genérico mientras fallan silenciosamente frente al protocolo de sitemaps real que esperan Google, Bing y cualquier otro consumidor del archivo. Esta herramienta analiza el sitemap que pegues o subas usando el DOMParser nativo del navegador y lo comprueba contra las reglas reales publicadas en sitemaps.org: el elemento raíz debe ser <urlset> para un sitemap normal o <sitemapindex> para un índice de sitemaps (detectado automáticamente), idealmente declarado con el espacio de nombres exacto http://www.sitemaps.org/schemas/sitemap/0.9, y cada <url> (o <sitemap>, en un archivo índice) debe contener un <loc> que resuelva a una URL absoluta http/https auténtica.

Más allá de la estructura, el protocolo también documenta límites estrictos y formatos de campo precisos que esta herramienta comprueba campo por campo. Un único archivo sitemap no debe listar más de 50 000 URLs y no debe superar los 50 MB sin comprimir (límites que también aplican a los archivos de índice de sitemaps, contando entradas <sitemap> en lugar de entradas <url>), y esta herramienta mide tu contenido real pegado o subido contra ambos. Cada <lastmod>, si está presente, se comprueba con los formatos W3C-datetime reales que acepta la especificación: una fecha simple (AAAA-MM-DD) o una marca de tiempo completa con horas, minutos, segundos opcionales y un designador de zona horaria obligatorio. Cada <priority>, si está presente, debe ser un decimal entre 0.0 y 1.0, y cada <changefreq> debe ser exactamente uno de los siete valores que define la especificación (always, hourly, daily, weekly, monthly, yearly, never), no un sinónimo que parezca plausible. Cada infracción indica el número de entrada específico y su valor real, limitado a 50 infractores mostrados por regla con una nota «+N más» para que el informe siga siendo legible incluso en un sitemap cercano al límite de URLs.

Dos comprobaciones van más allá de lo que exige el protocolo escrito, pero detectan problemas reales y comunes: un histograma de actualización de <lastmod> agrupa cada fecha válida de última modificación por mes para que veas de un vistazo si el contenido de un sitio se mantiene realmente al día o si la mayoría de las URLs llevan una marca de tiempo obsoleta de hace años, y un detector de <loc> duplicados señala cualquier URL listada más de una vez en el mismo archivo (un efecto secundario frecuente de los generadores de sitemaps que fusionan múltiples fuentes sin deduplicar). Todo se ejecuta en local: el análisis, la comprobación de reglas y el histograma se calculan en tu navegador a partir del texto que pegaste o del archivo que subiste mediante la API File, no se envía ni se sube nada a un servidor, y ninguna URL individual de tu sitemap se solicita o rastrea jamás: esta herramienta comprueba el documento sitemap en sí, no si las páginas que lista existen realmente o devuelven 200 OK.