Валідатор Sitemap.xml — Перевірка на відповідність реальному протоколу

Файл sitemap.xml може бути цілком коректним XML і водночас непрацездатним sitemap: пропущений простір імен xmlns, відносна URL-адреса в <loc>, значення <priority> «1.5» або <changefreq> «Daily» замість «daily» — усе це пройде звичайну перевірку XML, але мовчки не відповідатиме реальному протоколу sitemap, на який очікує Google, Bing та всі інші споживачі файлу. Цей інструмент розбирає вставлений або завантажений вами sitemap за допомогою вбудованого DOMParser браузера та перевіряє його на відповідність реальним правилам, опублікованим на sitemaps.org: кореневим елементом має бути <urlset> для звичайного sitemap або <sitemapindex> для індексного файлу (визначається автоматично), ідеально — з точно вказаним простором імен http://www.sitemaps.org/schemas/sitemap/0.9, і кожен елемент <url> (або <sitemap> в індексному файлі) повинен містити <loc>, значенням якого є дійсна абсолютна URL-адреса з протоколом http чи https.

Окрім структури, протокол також встановлює жорсткі ліміти та точні формати полів, які цей інструмент перевіряє поле за полем. Один файл sitemap не повинен містити більше 50 000 URL-адрес і не може перевищувати 50 МБ у нестисненому вигляді — ці ліміти також застосовуються до індексних файлів sitemap, де замість записів <url> враховуються записи <sitemap>, — і цей інструмент порівнює ваш фактичний вставлений або завантажений вміст з обома обмеженнями. Кожне значення <lastmod>, за його наявності, перевіряється на відповідність реальним форматам дати й часу W3C, прийнятим специфікацією: лише дата (РРРР-ММ-ДД) або повна часова мітка з годинами, хвилинами, необов’язковими секундами і обов’язковим позначенням часового поясу. Кожне <priority>, якщо вказане, має бути десятковим числом від 0.0 до 1.0, а кожне <changefreq> — точно одним із семи значень, визначених специфікацією: always, hourly, daily, weekly, monthly, yearly, never, а не будь-яким схожим синонімом. Для кожного порушення наводиться номер конкретного запису та його фактичне значення, але показується не більше 50 порушників на правило з приміткою «+N більше», щоб звіт залишався зручним для читання навіть для sitemap із кількістю URL-адрес, близькою до максимальної.

Дві перевірки виходять за межі того, що вимагає формальний протокол, але виявляють реальні поширені проблеми: гістограма свіжості <lastmod> групує всі дійсні дати останньої зміни за місяцями, щоб ви могли з першого погляду оцінити, чи справді вміст сайту підтримується в актуальному стані, чи більшість URL-адрес мають застарілу часову мітку багаторічної давнини, а детектор дублікатів <loc> показує URL-адреси, вказані у файлі більше одного разу, — часта побічна дія генераторів sitemap, які об’єднують кілька джерел без вилучення дублікатів. Усе працює локально: розбір, перевірка правил і побудова гістограми виконуються у вашому браузері на основі вставленого тексту або файлу, завантаженого через File API, нічого не запитується й не передається на сервер, і жодна окрема URL-адреса з вашого sitemap ніколи не викликається й не перевіряється — цей інструмент аналізує сам документ sitemap, а не те, чи сторінки за вказаними адресами справді існують чи повертають 200 OK.