Sitemap.xml Validator — Real Protocol Compliance Checker

Een sitemap.xml-bestand kan perfect opgemaakte XML zijn en toch een kapotte sitemap zijn: een ontbrekende xmlns-naamruimte, een relatieve <loc> URL, een <priority> van "1.5" of een <changefreq> van "Daily" in plaats van "daily" zullen allemaal een generieke XML-validator doorstaan, terwijl ze stilletjes falen in het feitelijke sitemapprotocol dat Google, Bing en elke andere gebruiker van het bestand verwacht. Deze tool parseert uw geplakte of geüploade sitemap met de eigen DOMParser van de browser en vergelijkt deze met de echte regels die zijn gepubliceerd op sitemaps.org: het hoofdelement moet <urlset> zijn voor een gewone sitemap of <sitemapindex> voor een sitemapindex (automatisch gedetecteerd), idealiter gedeclareerd met de exacte naamruimte http://www.sitemaps.org/schemas/sitemap/0.9, en elke <url> (of <sitemap>, in een indexbestand) moet een <loc> bevatten die wordt omgezet in een echte absolute http/https-URL.

Naast de structuur documenteert het protocol ook harde limieten en nauwkeurige veldformaten die deze tool veld voor veld controleert. Eén sitemapbestand mag niet meer dan 50.000 URL's bevatten en mag niet groter zijn dan 50 MB ongecomprimeerd (limieten die ook van toepassing zijn op sitemapindexbestanden, waarbij <sitemap>-items worden geteld in plaats van <url>-items) en deze tool meet uw feitelijk geplakte/geüploade inhoud aan de hand van beide. Elke <lastmod>, indien aanwezig, wordt gecontroleerd aan de hand van de echte W3C-datetime-formaten die de specificatie accepteert: een kale datum (JJJJ-MM-DD) of een volledige tijdstempel met uren, minuten, optionele seconden en een verplichte tijdzone-aanduiding. Elke <prioriteit>, indien aanwezig, moet een decimaal getal zijn tussen 0,0 en 1,0, en elke <changefreq> moet precies één van de zeven waarden zijn die de specificatie definieert (altijd, per uur, dagelijks, wekelijks, maandelijks, jaarlijks, nooit) en is geen plausibel ogend synoniem. Bij elke overtreding wordt het specifieke toegangsnummer en de werkelijke waarde vermeld, met een maximum van 50 weergegeven overtreders per regel met een opmerking "+N meer", zodat het rapport leesbaar blijft, zelfs op een sitemap in de buurt van de URL-limiet.

Twee controles gaan verder dan wat het schriftelijke protocol vereist, maar vangen echte, veel voorkomende problemen op: een <lastmod> versheidshistogram groepeert elke geldige laatst gewijzigde datum per maand, zodat je in één oogopslag kunt zien of de inhoud van een site daadwerkelijk actueel wordt gehouden en of de meeste URL's een oud tijdstempel van jaren geleden hebben, en een duplicaat-<loc>-detector markeert elke URL die meer dan één keer in hetzelfde bestand wordt vermeld - een veelvoorkomend neveneffect van sitemapgeneratoren die meerdere bronnen samenvoegen zonder te ontdubbelen. Alles gebeurt lokaal: het parseren, het controleren van regels en het histogram worden allemaal in uw browser berekend op basis van de tekst die u hebt geplakt of het bestand dat u hebt geüpload via de File API. Er wordt niets opgehaald of geüpload naar een server, en er wordt nooit een individuele URL in uw sitemap opgevraagd of gecrawld. Deze tool controleert het sitemapdocument zelf, niet of de pagina's die daarin worden vermeld daadwerkelijk bestaan ​​of 200 OK retourneren.