เครื่องมือตรวจสอบ Sitemap.xml — เครื่องมือตรวจสอบการปฏิบัติตามโปรโตคอลจริง

ไฟล์ sitemap.xml อาจมีรูปแบบ XML ที่สมบูรณ์แบบและยังคงเป็นแผนผังไซต์ที่ใช้งานไม่ได้: เนมสเปซ xmlns ที่ขาดหายไป, <loc> URL แบบสัมพันธ์, <priority> เป็น "1.5" หรือ <changefreq> เป็น "รายวัน" แทนที่จะเป็น "รายวัน" ล้วนผ่านเครื่องมือตรวจสอบ XML ทั่วไป ในขณะที่ล้มเหลวอย่างเงียบๆ จากโปรโตคอลแผนผังไซต์จริงที่ Google, Bing และผู้บริโภคไฟล์อื่นๆ คาดหวัง เครื่องมือนี้จะแยกวิเคราะห์แผนผังไซต์ที่คุณวางหรืออัปโหลดด้วย DOMParser ดั้งเดิมของเบราว์เซอร์ และตรวจสอบกับกฎจริงที่เผยแพร่บน sitemaps.org: องค์ประกอบรากต้องเป็น <urlset> สำหรับแผนผังไซต์ปกติ หรือ <sitemapindex> สำหรับดัชนีแผนผังไซต์ (ตรวจพบอัตโนมัติ) ซึ่งได้รับการประกาศอย่างเหมาะสมด้วยเนมสเปซ http://www.sitemaps.org/schemas/sitemap/0.9 ทุกประการ และทุก <url> (หรือ <sitemap> ในไฟล์ดัชนี) ต้องมี <loc> ที่แปลงเป็น http/https URL สัมบูรณ์ของแท้

นอกเหนือจากโครงสร้างแล้ว โปรโตคอลยังบันทึกขีดจำกัดที่ชัดเจนและรูปแบบฟิลด์ที่แม่นยำซึ่งเครื่องมือนี้จะตรวจสอบในแต่ละฟิลด์ ไฟล์แผนผังไซต์ไฟล์เดียวต้องไม่แสดงรายการ URL มากกว่า 50,000 รายการ และต้องไม่มีการบีบอัดเกิน 50MB ซึ่งเป็นขีดจำกัดที่ใช้กับไฟล์ดัชนีแผนผังไซต์เช่นกัน โดยนับรายการ <sitemap> แทนรายการ <url> และเครื่องมือนี้จะวัดเนื้อหาจริงที่วาง/อัปโหลดของคุณเทียบกับทั้งสองรายการ หากมีการตรวจสอบ <lastmod> แต่ละรายการกับรูปแบบวันที่และเวลา W3C จริงที่ข้อมูลจำเพาะยอมรับ: วันที่เปล่า (ปปปป-ดด-วว) หรือการประทับเวลาแบบเต็มพร้อมชั่วโมง นาที วินาทีที่ไม่บังคับ และตัวกำหนดเขตเวลาบังคับ <priority> แต่ละค่า (ถ้ามี) ต้องเป็นทศนิยมระหว่าง 0.0 ถึง 1.0 และ <changefreq> แต่ละค่าจะต้องเป็นหนึ่งในเจ็ดค่าที่ข้อมูลจำเพาะกำหนด — ทุกครั้ง รายชั่วโมง รายวัน รายสัปดาห์ รายเดือน รายปี ไม่เคยเลย — ไม่ใช่คำพ้องความหมายที่ดูน่าเชื่อถือ การละเมิดทุกครั้งจะตั้งชื่อหมายเลขรายการเฉพาะและมูลค่าจริง โดยจำกัดไว้ที่ 50 รายการที่แสดงผู้กระทำผิดต่อกฎพร้อมหมายเหตุ "+N มากกว่า" เพื่อให้รายงานยังคงสามารถอ่านได้แม้ในแผนผังไซต์ใกล้ขีดจำกัด URL

การตรวจสอบสองครั้งนอกเหนือไปจากสิ่งที่โปรโตคอลเขียนต้องการแต่พบปัญหาทั่วไปที่เกิดขึ้นจริง: ฮิสโตแกรมความใหม่ของ <lastmod> จัดกลุ่มทุกๆ วันที่แก้ไขล่าสุดที่ถูกต้องตามเดือน เพื่อให้คุณสามารถดูได้อย่างรวดเร็วว่าเนื้อหาของไซต์ได้รับการปรับปรุงให้เป็นปัจจุบันจริงหรือไม่ หรือ URL ส่วนใหญ่มีการประทับเวลาเก่าเมื่อหลายปีก่อนหรือไม่ และตัวตรวจจับ <loc> ที่ซ้ำกันจะทำเครื่องหมาย URL ใด ๆ ที่แสดงมากกว่าหนึ่งครั้งในไฟล์เดียวกัน ซึ่งเป็นผลข้างเคียงที่เกิดขึ้นบ่อยครั้งจากตัวสร้างแผนผังไซต์ที่ผสานหลายแหล่งโดยไม่ทำการขจัดการทำซ้ำ ทุกอย่างทำงานในพื้นที่: การแยกวิเคราะห์ การตรวจสอบกฎ และฮิสโตแกรมล้วนถูกคำนวณในเบราว์เซอร์ของคุณจากข้อความที่คุณวางหรือไฟล์ที่คุณอัปโหลดผ่าน File API ไม่มีการดึงข้อมูลหรืออัปโหลดไปยังเซิร์ฟเวอร์ และไม่มีการร้องขอหรือรวบรวมข้อมูล URL ใดในแผนผังไซต์ของคุณ เครื่องมือนี้จะตรวจสอบเอกสารแผนผังไซต์เอง ไม่ว่าเพจที่อยู่ในรายการนั้นมีอยู่จริงหรือส่งคืน 200 ตกลงหรือไม่