Sitemap.xml tikrintuvas – tikras protokolo atitikties tikrinimas

Sitemap.xml failas gali būti visiškai taisyklingas XML, bet vis tiek būti sugedęs Sitemap: trūkstama xmlns vardų sritis, santykinis <loc> URL, <priority> reikšmė „1,5“ arba <changefreq> reikšmė „Daily“ vietoje „daily“ – visa tai praeina bendrinį XML tikrintuvą, tačiau tyliai neatitinka tikrojo Sitemap protokolo, kurio tikisi Google, Bing ir visi kiti šio failo naudotojai. Šis įrankis analizuoja jūsų įklijuotą ar įkeltą Sitemap naudodamas naršyklės integruotą DOMParser ir tikrina pagal tikrąsias taisykles, paskelbtas sitemaps.org: šakninis elementas turi būti <urlset> įprastam Sitemap arba <sitemapindex> Sitemap indeksui (aptinkama automatiškai), geriausia deklaruotas su tikslia vardų sritimi http://www.sitemaps.org/schemas/sitemap/0.9, ir kiekviename <url> (arba <sitemap> indekso faile) turi būti <loc>, kuris nurodo tikrą absoliutųjį http/https URL.

Be struktūros, protokolas taip pat dokumentuoja griežtas ribas ir tikslius laukų formatus, kuriuos šis įrankis tikrina laukas po lauko. Viename Sitemap faile negali būti daugiau kaip 50 000 URL, o jo nesuglaudintas dydis negali viršyti 50 MB – šios ribos taikomos ir Sitemap indekso failams, skaičiuojant <sitemap> įrašus vietoje <url> įrašų – ir šis įrankis matuoja jūsų realų įklijuotą ar įkeltą turinį pagal abu kriterijus. Kiekviena <lastmod> reikšmė, jei yra, tikrinama pagal realius W3C-datetime formatus, kuriuos priima specifikacija: tik data (YYYY-MM-DD) arba pilnas laiko žymuo su valandomis, minutėmis, nebūtinomis sekundėmis ir privalomu laiko juostos žymikliu. Kiekviena <priority> reikšmė, jei yra, privalo būti dešimtainis skaičius tarp 0,0 ir 1,0, o kiekviena <changefreq> reikšmė turi būti tiksliai viena iš septynių specifikacijos apibrėžtų reikšmių – always, hourly, daily, weekly, monthly, yearly, never – o ne panašiai skambantis sinonimas. Kiekvieno pažeidimo atveju nurodomas tikslus įrašo numeris ir jo faktinė reikšmė, rodoma ne daugiau kaip 50 pažeidėjų vienai taisyklei su pastaba „+N daugiau“, kad ataskaita išliktų įskaitoma net ir Sitemap, kuris yra arti URL ribos.

Du patikrinimai išeina už to, ko reikalauja rašytinis protokolas, bet padeda aptikti realias, dažnas problemas: <lastmod> naujumo histograma sugrupuoja kiekvieną galiojančią paskutinio keitimo datą pagal mėnesį, kad iš karto matytumėte, ar svetainės turinys iš tiesų atnaujinamas, ar dauguma URL turi pasenusią kelerių metų senumo laiko žymą; o pasikartojančių <loc> detektorius pažymi bet kurį URL, įtrauktą daugiau nei kartą tame pačiame faile – dažnas šalutinis Sitemap generatorių, jungiančių kelis šaltinius be deduplikacijos, poveikis. Viskas vyksta vietoje: analizavimas, taisyklių tikrinimas ir histograma atliekami jūsų naršyklėje iš teksto, kurį įklijavote, arba failo, kurį įkėlėte per File API; nieko neužklausiama ir neįkeliama į serverį, o nė vienas atskiras URL jūsų Sitemap nėra užklausiamas ar tikrinamas – šis įrankis tikrina patį Sitemap dokumentą, o ne tai, ar jo nurodyti puslapiai iš tikrųjų egzistuoja ar atsako 200 OK.