Sitemap.xml Validator — Verificator de conformitate cu protocolul real

Un fișier sitemap.xml poate fi XML perfect format și poate fi în continuare un sitemap stricat: un spațiu de nume xmlns lipsă, o adresă URL <loc> relativă, o <prioritate> de „1.5” sau o <changefreq> de „Zilnic” în loc de „zilnic”, toate vor trece un validator XML generic, în timp ce fiecare alt consumator de fișiere Google se așteaptă ca protocolul de validare al site-ului Google să eșueze. Acest instrument analizează sitemap-ul dvs. lipit sau încărcat cu DOMParser-ul nativ al browserului și îl verifică în raport cu regulile reale publicate pe sitemaps.org: elementul rădăcină trebuie să fie <urlset> pentru un sitemap obișnuit sau <sitemapindex> pentru un index de sitemap (detect automat), în mod ideal declarat cu spațiul de nume exact http://www.sitemas./9. (sau <sitemap>, într-un fișier index) trebuie să conțină un <loc> care se rezolvă la o adresă URL http/https absolut autentică.

Dincolo de structură, protocolul documentează și limitele stricte și formatele de câmp precise pe care acest instrument le verifică câmp cu câmp. Un singur fișier de sitemap nu trebuie să enumere mai mult de 50.000 de adrese URL și nu trebuie să depășească 50 MB necomprimat - limite care se aplică și fișierelor index ale sitemap-ului, contorând intrările <sitemap> în loc de intrările <url> - iar acest instrument măsoară conținutul real lipit/încărcat față de ambele. Fiecare <lastmod>, dacă este prezent, este verificat în comparație cu formatele reale W3C-datetime pe care specificațiile le acceptă: o dată liberă (AAAA-LL-ZZ) sau un marcaj de timp complet cu ore, minute, secunde opționale și un indicator de fus orar obligatoriu. Fiecare <prioritate>, dacă este prezentă, trebuie să fie o zecimală între 0,0 și 1,0 și fiecare <changefreq> trebuie să fie exact una dintre cele șapte valori definite de specificație - întotdeauna, orar, zilnic, săptămânal, lunar, anual, niciodată - nu este un sinonim cu aspect plauzibil. Fiecare încălcare denumește numărul de intrare specific și valoarea sa reală, limitată la 50 de infractori afișați per regulă, cu o notă „+N în plus”, astfel încât raportul să rămână lizibil chiar și pe o hartă a site-ului în apropierea limitei URL.

Două verificări depășesc ceea ce cere protocolul scris, dar surprind probleme reale, comune: o histogramă de prospețime <lastmod> grupează fiecare dată valabilă a ultimei modificări în funcție de lună, astfel încât să puteți vedea dintr-o privire dacă conținutul unui site este de fapt menținut actual sau dacă majoritatea adreselor URL au un marcaj de timp învechit de ani în urmă, și un detector de duplicat-<loc> semnalează orice URL a aceluiași efect secundar al generatoarelor de mai mult decât o singură dată. surse multiple fără a deduplica. Totul rulează local: analizarea, verificarea regulilor și histograma sunt toate calculate în browser-ul dvs. din textul pe care l-ați lipit sau din fișierul pe care l-ați încărcat prin API-ul fișier, nimic nu este preluat sau încărcat pe un server și nicio adresă URL individuală din harta site-ului dvs. nu este vreodată solicitată sau accesată cu crawlere - acest instrument verifică documentul sitemap-ului în sine, nu dacă paginile pe care le afișează sau returnează în sine.