Sitemap.xml मान्यकर्ता — वास्तविक प्रोटोकॉल अनुपालन परीक्षक

एक sitemap.xml फ़ाइल पूरी तरह सुगठित XML हो सकती है और फिर भी एक टूटा हुआ साइटमैप हो सकती है: एक गायब xmlns नेमस्पेस, एक सापेक्ष <loc> URL, "1.5" का <priority>, या "daily" के बजाय "Daily" का <changefreq> सब एक सामान्य XML मान्यकर्ता को पास कर देंगे जबकि वास्तविक साइटमैप प्रोटोकॉल, जिसकी Google, Bing और फ़ाइल का हर दूसरा उपभोक्ता अपेक्षा करता है, में चुपचाप विफल हो जाएँगे। यह उपकरण आपके चिपकाए या अपलोड किए गए साइटमैप को ब्राउज़र के मूल DOMParser से पार्स करता है और इसे sitemaps.org पर प्रकाशित वास्तविक नियमों के विरुद्ध जाँचता है: रूट एलिमेंट एक नियमित साइटमैप के लिए <urlset> या साइटमैप इंडेक्स के लिए <sitemapindex> (स्वतः-पहचान) होना चाहिए, आदर्श रूप से सटीक नेमस्पेस http://www.sitemaps.org/schemas/sitemap/0.9 के साथ घोषित, और प्रत्येक <url> (या इंडेक्स फ़ाइल में <sitemap>) में एक <loc> होना चाहिए जो एक वास्तविक निरपेक्ष http/https URL को हल करता हो।

संरचना से परे, प्रोटोकॉल कठोर सीमाएँ और सटीक फ़ील्ड प्रारूप भी दस्तावेज़ित करता है जिन्हें यह उपकरण फ़ील्ड दर फ़ील्ड जाँचता है। एक एकल साइटमैप फ़ाइल में 50,000 से अधिक URL सूचीबद्ध नहीं होने चाहिए और असंपीड़ित रूप में 50MB से अधिक नहीं होनी चाहिए — ये सीमाएँ साइटमैप इंडेक्स फ़ाइलों पर भी लागू होती हैं, जहाँ <url> प्रविष्टियों के बजाय <sitemap> प्रविष्टियाँ गिनी जाती हैं — और यह उपकरण आपकी वास्तविक चिपकाई/अपलोड की गई सामग्री को दोनों के विरुद्ध मापता है। प्रत्येक <lastmod>, यदि मौजूद है, की जाँच स्पेक द्वारा स्वीकार्य वास्तविक W3C-डेटटाइम प्रारूपों के विरुद्ध की जाती है: एक मात्र तिथि (YYYY-MM-DD) या घंटे, मिनट, वैकल्पिक सेकंड और एक अनिवार्य समयक्षेत्र निर्देशक के साथ पूर्ण टाइमस्टैम्प। प्रत्येक <priority>, यदि मौजूद है, 0.0 और 1.0 के बीच एक दशमलव होना चाहिए, और प्रत्येक <changefreq> ठीक उन सात मानों में से एक होना चाहिए जिन्हें स्पेक परिभाषित करता है — always, hourly, daily, weekly, monthly, yearly, never — कोई विश्वसनीय दिखने वाला पर्यायवाची नहीं। हर उल्लंघन विशिष्ट प्रविष्टि संख्या और उसके वास्तविक मान का नाम लेता है, प्रति नियम 50 दर्शाए गए उल्लंघनकर्ताओं पर सीमित और "+N और" नोट के साथ ताकि URL सीमा के नज़दीक साइटमैप पर भी रिपोर्ट पठनीय बनी रहे।

दो जाँचें उससे आगे जाती हैं जो लिखित प्रोटोकॉल माँगता है लेकिन वास्तविक, सामान्य समस्याओं को पकड़ती हैं: एक <lastmod> ताज़गी हिस्टोग्राम हर मान्य अंतिम-संशोधित तिथि को महीने के अनुसार समूहित करता है ताकि आप एक नज़र में देख सकें कि किसी साइट की सामग्री वास्तव में अद्यतन रखी जा रही है या अधिकांश URL वर्षों पुरानी बासी टाइमस्टैम्प लिए हुए हैं, और एक डुप्लिकेट-<loc> डिटेक्टर एक ही फ़ाइल में एक से अधिक बार सूचीबद्ध किसी भी URL को चिह्नित करता है — यह साइटमैप जनरेटरों का एक सामान्य दुष्प्रभाव है जो डी-डुप्लीकेशन के बिना कई स्रोतों को मिलाते हैं। सब कुछ स्थानीय रूप से चलता है: पार्सिंग, नियम-जाँच और हिस्टोग्राम सभी आपके द्वारा चिपकाए गए पाठ या File API के ज़रिए अपलोड की गई फ़ाइल से आपके ब्राउज़र में गणना किए जाते हैं, कुछ भी सर्वर पर प्राप्त या अपलोड नहीं किया जाता, और आपके साइटमैप का कोई भी व्यक्तिगत URL कभी अनुरोधित या क्रॉल नहीं किया जाता — यह उपकरण साइटमैप दस्तावेज़ की स्वयं जाँच करता है, यह नहीं कि इसके द्वारा सूचीबद्ध पृष्ठ वास्तव में मौजूद हैं या 200 OK लौटाते हैं।