Validador de Sitemap.xml — Verificador Real de Conformidade com o Protocolo

Um ficheiro sitemap.xml pode ser XML perfeitamente bem formado e ainda assim ser um sitemap quebrado: um namespace xmlns em falta, um URL <loc> relativo, uma <priority> de "1,5", ou um <changefreq> de "Daily" em vez de "daily" — tudo isto passará num validador XML genérico, mas falhará silenciosamente o protocolo real de sitemaps que o Google, o Bing e todos os outros consumidores do ficheiro esperam. Esta ferramenta analisa o seu sitemap colado ou carregado com o DOMParser nativo do navegador e verifica-o em relação às regras reais publicadas em sitemaps.org: o elemento raiz deve ser <urlset> para um sitemap normal ou <sitemapindex> para um índice de sitemap (detetado automaticamente), idealmente declarado com o namespace exato http://www.sitemaps.org/schemas/sitemap/0.9, e cada <url> (ou <sitemap>, num ficheiro de índice) deve conter um <loc> que resolva para um URL http/https absoluto genuíno.

Para além da estrutura, o protocolo também documenta limites rígidos e formatos de campo precisos que esta ferramenta verifica campo a campo. Um único ficheiro sitemap não deve listar mais de 50.000 URLs e não deve exceder 50 MB descomprimido — limites que também se aplicam a ficheiros de índice de sitemap, contando entradas <sitemap> em vez de entradas <url> — e esta ferramenta mede o seu conteúdo real colado/carregado em relação a ambos. Cada <lastmod>, se presente, é verificado em relação aos formatos W3C-datetime reais aceites pela especificação: uma data simples (AAAA-MM-DD) ou um timestamp completo com horas, minutos, segundos opcionais e um designador de fuso horário obrigatório. Cada <priority>, se presente, deve ser um decimal entre 0,0 e 1,0, e cada <changefreq> deve ser exatamente um dos sete valores que a especificação define — always, hourly, daily, weekly, monthly, yearly, never — e não um sinónimo com aparência plausível. Cada violação nomeia o número da entrada específica e o seu valor real, limitado a 50 infratores mostrados por regra, com uma nota "+N mais" para que o relatório permaneça legível mesmo num sitemap próximo do limite de URLs.

Duas verificações vão além do que o protocolo escrito exige, mas apanham problemas reais e comuns: um histograma de atualização do <lastmod> agrupa todas as datas de última modificação válidas por mês, para que possa ver rapidamente se o conteúdo de um site está realmente a ser mantido atualizado ou se a maioria dos URLs tem um timestamp desatualizado de anos atrás, e um detetor de <loc> duplicados sinaliza qualquer URL listado mais de uma vez no mesmo ficheiro — um efeito colateral frequente de geradores de sitemaps que unem várias fontes sem remover duplicados. Tudo é executado localmente: a análise, a verificação de regras e o histograma são todos calculados no seu navegador a partir do texto que colou ou do ficheiro que carregou através da API File. Nada é obtido ou enviado para um servidor, e nenhum URL individual no seu sitemap é alguma vez solicitado ou rastreado — esta ferramenta verifica o próprio documento sitemap, não se as páginas que lista realmente existem ou devolvem 200 OK.