Validador Sitemap.xml — Verificador de conformidade de protocolo real

Um arquivo sitemap.xml pode ser um XML perfeitamente bem formado e ainda assim ser um mapa do site quebrado: um namespace xmlns ausente, um URL <loc> relativo, uma <prioridade> de "1.5" ou um <changefreq> de "Diário" em vez de "diário" passarão por um validador XML genérico enquanto falham silenciosamente no protocolo real do mapa do site que o Google, o Bing e todos os outros consumidores do arquivo esperam. Esta ferramenta analisa seu sitemap colado ou carregado com o DOMParser nativo do navegador e o verifica em relação às regras reais publicadas em sitemaps.org: o elemento raiz deve ser <urlset> para um sitemap regular ou <sitemapindex> para um índice de sitemap (detectado automaticamente), idealmente declarado com o namespace exato http://www.sitemaps.org/schemas/sitemap/0.9, e cada <url> (ou <sitemap>, em um arquivo de índice) deve conter um <loc> que resolva para uma URL http/https absoluta genuína.

Além da estrutura, o protocolo também documenta limites rígidos e formatos de campo precisos que esta ferramenta verifica campo por campo. Um único arquivo de mapa de site não deve listar mais de 50.000 URLs e não deve exceder 50 MB descompactados - limites que se aplicam também aos arquivos de índice de mapa de site, contando entradas <sitemap> em vez de entradas <url> - e esta ferramenta mede o conteúdo real colado/carregado em ambos. Cada <lastmod>, se presente, é verificado em relação aos formatos de data e hora reais do W3C que a especificação aceita: uma data simples (AAAA-MM-DD) ou um carimbo de data/hora 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 definidos pela especificação — sempre, por hora, diariamente, semanalmente, mensalmente, anualmente, nunca — o que não é um sinônimo de aparência plausível. Cada violação nomeia o número de entrada específico e seu valor real, limitado a 50 infratores mostrados por regra com uma nota "+N mais" para que o relatório permaneça legível mesmo em um mapa do site próximo ao limite de URL.

Duas verificações vão além do que o protocolo escrito exige, mas detectam problemas reais e comuns: um histograma de atualização <lastmod> agrupa todas as datas válidas da última modificação por mês para que você possa ver rapidamente se o conteúdo de um site está realmente sendo mantido atualizado ou se a maioria URLs carregam um carimbo de data / hora obsoleto de anos atrás, e um detector de <loc> duplicado sinaliza qualquer URL listado mais de uma vez no mesmo arquivo - um efeito colateral frequente de geradores de mapas de sites que mesclam várias fontes sem desduplicar. Tudo é executado localmente: a análise, a verificação de regras e o histograma são calculados em seu navegador a partir do texto que você colou ou do arquivo que você carregou por meio da API de arquivos, nada é buscado ou carregado em um servidor e nenhum URL individual em seu mapa do site é solicitado ou rastreado - esta ferramenta verifica o documento do mapa do site em si, não se as páginas que ela lista realmente existem ou retornam 200 OK.