Sitemap.xml Validator — בודק תאימות אמיתי לפרוטוקול

קובץ sitemap.xml יכול להיות XML תקני לחלוטין ועדיין להיות sitemap שבור: מרחב שמות xmlns חסר, כתובת <loc> יחסית, <priority> של "1.5", או <changefreq> עם "Daily" במקום "daily" — כולם יעברו validator גנרי של XML בשעה שהם נכשלים בשקט בפרוטוקול ה־sitemap האמיתי שגוגל, בינג וכל צרכן אחר של הקובץ מצפים לו. כלי זה מפענח את קובץ ה־sitemap שהדבקת או העלית באמצעות DOMParser המובנה של הדפדפן ובודק אותו אל מול הכללים האמיתיים שמפורסמים ב־sitemaps.org: רכיב השורש חייב להיות <urlset> עבור sitemap רגיל או <sitemapindex> עבור אינדקס sitemap (זיהוי אוטומטי), רצוי עם מרחב השמות המדויק http://www.sitemaps.org/schemas/sitemap/0.9, וכל <url> (או <sitemap>, בקובץ אינדקס) חייב להכיל <loc> שמצביע לכתובת http/https אבסולוטית אמיתית.

מעבר למבנה, הפרוטוקול גם מתעד מגבלות קשות ופורמטים מדויקים של שדות שהכלי הזה בודק שדה אחר שדה. קובץ sitemap בודד לא יכיל יותר מ־50,000 כתובות ולא יחרוג מ־50MB ללא דחיסה — מגבלות שתקפות גם לקובצי אינדקס sitemap, כשסופרים רשומות <sitemap> במקום <url> — והכלי הזה מודד את התוכן שהדבקת או העלית אל מול שתיהן. כל <lastmod>, אם קיים, נבדק מול פורמטי W3C-datetime האמיתיים שהמפרט מקבל: תאריך בלבד (YYYY-MM-DD) או חותמת זמן מלאה עם שעות, דקות, שניות אופציונליות ומציין אזור זמן חובה. כל <priority>, אם קיים, חייב להיות מספר עשרוני בין 0.0 ל־1.0, וכל <changefreq> חייב להיות בדיוק אחד משבעת הערכים שהמפרט מגדיר — always, hourly, daily, weekly, monthly, yearly, never — לא מילה נרדפת שנראית הגיונית. כל הפרה מציינת את מספר הערך הספציפי ואת הערך עצמו, מוגבלת להצגת 50 מפרים לכל כלל עם הערה "+N נוספים" כדי שהדו"ח יישאר קריא גם ב־sitemap שקרוב למגבלת הכתובות.

שתי בדיקות חורגות ממה שהפרוטוקול הכתוב דורש אך תופסות בעיות אמיתיות ונפוצות: היסטוגרמת עדכנות של <lastmod> מקבצת כל תאריך עדכון אחרון תקף לפי חודש, כך שניתן לראות במבט אחד האם תוכן האתר באמת נשמר עדכני או שרוב הכתובות נושאות חותמת זמן ישנה מלפני שנים, ומזהה כפילויות <loc> מסמן כל כתובת שמופיעה יותר מפעם אחת באותו קובץ — תופעת לוואי שכיחה של מחוללי sitemap שממזגים מקורות מרובים ללא הסרת כפילויות. הכל רץ באופן מקומי: הפענוח, בדיקת הכללים וההיסטוגרמה כולם מחושבים בדפדפן שלך מהטקסט שהדבקת או מהקובץ שהעלית דרך File API, דבר לא נשלף או מועלה לשרת, ואף כתובת בודדת ב־sitemap שלך אי פעם לא נדרשת או נסרקת — הכלי בודק את מסמך ה־sitemap עצמו, לא האם הדפים שהוא מפרט באמת קיימים או מחזירים 200 OK.