Trình Xác Thực Sitemap.xml — Công Cụ Kiểm Tra Tuân Thủ Giao Thức Thực Tế

Tệp sitemap.xml có thể là XML hợp lệ về mặt cấu trúc nhưng vẫn là một sitemap bị lỗi: thiếu không gian tên xmlns, URL <loc> tương đối, <priority> là "1.5" hoặc <changefreq> là "Daily" thay vì "daily" đều sẽ vượt qua trình xác thực XML thông thường nhưng âm thầm không tuân thủ giao thức sitemap thực tế mà Google, Bing và mọi trình tiêu thụ khác mong đợi. Công cụ này phân tích sitemap bạn dán hoặc tải lên bằng DOMParser gốc của trình duyệt và kiểm tra dựa trên các quy tắc thực tế được công bố tại sitemaps.org: phần tử gốc phải là <urlset> với sitemap thông thường hoặc <sitemapindex> với chỉ mục sitemap (tự động phát hiện), lý tưởng nhất là được khai báo với không gian tên chính xác http://www.sitemaps.org/schemas/sitemap/0.9, và mỗi <url> (hoặc <sitemap> trong tệp chỉ mục) phải chứa một <loc> phân giải thành một URL tuyệt đối http/https hợp lệ.

Ngoài cấu trúc, giao thức cũng ghi nhận các giới hạn cứng và định dạng trường chính xác mà công cụ này kiểm tra từng trường một. Một tệp sitemap đơn lẻ không được liệt kê quá 50.000 URL và không được vượt quá 50MB khi chưa nén — các giới hạn này cũng áp dụng cho tệp chỉ mục sitemap, đếm các mục <sitemap> thay vì <url> — và công cụ này đo lường nội dung thực tế bạn dán hoặc tải lên so với cả hai giới hạn. Mỗi <lastmod>, nếu có, được kiểm tra theo đúng định dạng ngày giờ W3C mà đặc tả chấp nhận: ngày tháng đơn thuần (YYYY-MM-DD) hoặc dấu thời gian đầy đủ với giờ, phút, giây tùy chọn và ký hiệu múi giờ bắt buộc. Mỗi <priority>, nếu có, phải là số thập phân từ 0.0 đến 1.0, và mỗi <changefreq> phải chính xác là một trong bảy giá trị mà đặc tả định nghĩa — always, hourly, daily, weekly, monthly, yearly, never — không phải một từ đồng nghĩa trông có vẻ hợp lý. Mọi vi phạm đều nêu rõ số thứ tự mục nhập cụ thể và giá trị thực tế của nó, giới hạn hiển thị tối đa 50 mục vi phạm cho mỗi quy tắc với ghi chú "+N khác" để báo cáo vẫn dễ đọc ngay cả trên sitemap gần đạt giới hạn URL.

Hai bước kiểm tra vượt ra ngoài yêu cầu của giao thức bằng văn bản nhưng phát hiện các vấn đề thực tế, phổ biến: biểu đồ tần suất cập nhật <lastmod> nhóm từng ngày sửa đổi cuối cùng hợp lệ theo tháng để bạn có thể thấy ngay liệu nội dung trang có thực sự được duy trì cập nhật hay hầu hết URL vẫn mang dấu thời gian cũ từ nhiều năm trước, và trình phát hiện <loc> trùng lặp đánh dấu bất kỳ URL nào được liệt kê nhiều hơn một lần trong cùng một tệp — một hệ quả phổ biến của các trình tạo sitemap gộp nhiều nguồn mà không loại bỏ trùng lặp. Mọi thứ chạy cục bộ: phân tích cú pháp, kiểm tra quy tắc và biểu đồ đều được tính toán trong trình duyệt của bạn từ văn bản bạn dán hoặc tệp bạn tải lên qua File API, không có gì được tìm nạp hay tải lên máy chủ, và không có URL riêng lẻ nào trong sitemap của bạn từng được yêu cầu hoặc thu thập dữ liệu — công cụ này kiểm tra chính tài liệu sitemap, chứ không kiểm tra xem các trang được liệt kê có thực sự tồn tại hay trả về 200 OK hay không.