Sitemap.xml Validator — Real Protocol Compliance Checker

A sitemap.xml fájl lehet tökéletesen jól formázott XML, és továbbra is hibás webhelytérkép: egy hiányzó xmlns névtér, egy relatív <loc> URL, a <priority> 1.5, vagy a <changefreq> a "Daily" helyett a "daily" mind átad egy általános XML-ellenőrzőt, miközben csendben meghiúsítja az összes többi fogyasztói webhelytérkép- és webhelytérkép-protokollt. Ez az eszköz elemzi a beillesztett vagy feltöltött webhelytérképet a böngésző natív DOMParser-jével, és ellenőrzi a sitemaps.org webhelyen közzétett valós szabályoknak való megfelelést: a gyökérelemnek <urlset>-nek kell lennie egy normál webhelytérképnél, vagy <sitemapindex>-nek kell lennie egy webhelytérkép-indexnél (automatikusan észlelve), ideális esetben a pontos névtérrel kell deklarálni: http://www.sitemaps.org (vagy//0schemassitemaps.org) <webhelytérkép>, egy indexfájlban) tartalmaznia kell egy <loc> elemet, amely valódi abszolút http/https URL-t eredményez.

A struktúrán túl a protokoll szigorú határértékeket és precíz mezőformátumokat is dokumentál, amelyeket ez az eszköz mezőről mezőre ellenőriz. Egyetlen webhelytérkép-fájl nem tartalmazhat több mint 50 000 URL-t, és nem haladhatja meg az 50 MB-ot tömörítetlenül – ez a korlátozás a webhelytérkép-indexfájlokra is vonatkozik, és az <url> bejegyzések helyett a <sitemap> bejegyzéseket számolja – és ez az eszköz a tényleges beillesztett/feltöltött tartalmat mindkettőhöz viszonyítva méri. Minden <lastmod>, ha van, a specifikáció által elfogadott valós W3C-dátumidő-formátumhoz hasonlít: üres dátum (ÉÉÉÉ-HH-NN) vagy teljes időbélyeg órákkal, percekkel, opcionális másodpercekkel és egy kötelező időzóna-jelölővel. Minden <priority>-nek, ha van, 0,0 és 1,0 közötti tizedesjegynek kell lennie, és minden <changefreq>-nek pontosan a specifikáció által meghatározott hét érték egyikének kell lennie – mindig, óránként, naponta, hetente, havonta, évente, soha –, és nem valószínűnek tűnő szinonimák. Minden szabálysértés megnevezi az adott bejegyzés számát és a tényleges értékét, amely szabályonként 50 megjelenített szabálysértőre korlátozódik egy „+N további” megjegyzéssel, így a jelentés még az URL-korlát közelében lévő webhelytérképen is olvasható marad.

Két ellenőrzés túllép azon, amit az írott protokoll megkövetel, de valódi, gyakori problémákat fedez fel: a <lastmod> frissességi hisztogram minden érvényes utolsó módosítás dátumát hónaponként csoportosítja, így egy pillantással láthatja, hogy a webhely tartalma valóban aktuális-e, vagy a legtöbb URL-en van-e évekkel ezelőtti elavult időbélyeg, és a duplikált <loc> detektor megjelöl minden olyan URL-t, ahol a webhely többszörös mellékhatása nélkül szerepel. duplikáció megszüntetése. Minden helyileg fut: az elemzés, a szabályellenőrzés és a hisztogram a böngészőben a beillesztett szövegből vagy a File API-n keresztül feltöltött fájlból kerül kiszámításra, semmi sem kerül lehívásra vagy feltöltésre a szerverre, és a webhelytérkép egyetlen URL-címét sem kérik vagy térképezték fel – ez az eszköz magát a webhelytérkép-dokumentumot ellenőrzi, nem azt, hogy az általa felsorolt ​​oldalak valóban léteznek-e20.