Sitemap.xml Validator — Real Protocol Compliance Checker

Sitemap.xml-tiedosto voi olla täysin hyvin muotoiltu XML ja silti rikkinäinen sivustokartta: puuttuva xmlns-nimiavaruus, suhteellinen <loc>-URL-osoite, <priority> "1.5" tai <changefreq> "Daily" "daily" sijaan läpäisevät yleisen XML-validaattorin, mutta epäonnistuvat hiljaa todellisessa Googlen B-sivustokartta- ja -protokollassa. Tämä työkalu jäsentää liitetyn tai ladatun sivustokarttasi selaimen alkuperäisellä DOMParserilla ja tarkistaa sen sivustossa sitemaps.org julkaistujen todellisten sääntöjen mukaan: juurielementin on oltava <urlset> tavallisessa sivustokartassa tai <sitemapindex> sivustokarttahakemistossa (tunnistettu automaattisesti). Ihannetapauksessa on oltava tarkka nimiavaruus http://www.sitemaps.org (tai//0schemassitemaps.org) <sivustokartta>, hakemistotiedostossa) täytyy sisältää <loc>, joka ratkaisee aidon absoluuttisen http/https URL-osoitteen.

Rakenteen lisäksi protokolla dokumentoi myös kovat rajat ja tarkat kenttämuodot, jotka tämä työkalu tarkistaa kenttä kentältä. Yhdessä sivustokarttatiedostossa saa olla enintään 50 000 URL-osoitetta, eikä se saa ylittää 50 megatavua pakkaamattomana – rajoitukset koskevat myös sivustokartan hakemistotiedostoja, jolloin lasketaan <sivustokartta>-merkinnät <url>-merkintöjen sijaan. Tämä työkalu mittaa todellisen liitetyn/ladatun sisällön molempiin verrattuna. Jokainen <lastmod>, jos sellainen on, tarkistetaan todellisten W3C-datetime-muotojen suhteen, jotka spesifikaatiot hyväksyvät: tyhjä päivämäärä (VVVV-KK-PP) tai täysi aikaleima, jossa on tunteja, minuutteja, valinnaisia ​​sekunteja ja pakollinen aikavyöhyketunnus. Jokaisen <prioriteetti>, jos se on olemassa, on oltava desimaaliluku välillä 0,0–1,0, ja jokaisen <changefreq>:n on oltava täsmälleen yksi seitsemästä spesifikaation määrittämästä arvosta – aina, tunti, päivittäin, viikoittain, kuukausittain, vuosittain, ei koskaan – ei uskottavalta näyttävä synonyymi. Jokainen rikkomus nimeää tietyn merkinnän numeron ja sen todellisen arvon. Raja on 50 näkyvää rikkojaa sääntöä kohden "+N lisää" huomautuksella, joten raportti pysyy luettavissa jopa sivustokartassa, joka on lähellä URL-rajaa.

Kaksi tarkistusta ylittävät sen, mitä kirjoitettu protokolla vaatii, mutta havaitsevat todelliset, yleiset ongelmat: <lastmod> tuoreushistogrammi ryhmittelee jokaisen kelvollisen viimeksi muokatun päivämäärän kuukausittain, jotta näet yhdellä silmäyksellä, onko sivuston sisältö todellakin ajan tasalla vai onko useimmissa URL-osoitteissa vanhentunut aikaleima vuosien takaa, ja kaksois-<loc>-tunnistin ilmoittaa minkä tahansa URL-osoitteen ilman samassa tiedostossa useita sivuvaikutuksia. kopioinnin poistaminen. Kaikki toimii paikallisesti: jäsennys, sääntöjen tarkistus ja histogrammi lasketaan selaimessasi liittämästäsi tekstistä tai File API:n kautta lataamastasi tiedostosta, mitään ei haeta tai lähetetä palvelimelle, eikä sivustokartassasi koskaan pyydetä tai indeksoida yksittäistä URL-osoitetta – tämä työkalu tarkistaa itse sivustokarttaasiakirjan, ei sen, ovatko siinä luetellut sivut todella olemassa.