XML sitemap

A sitemap egy fájl, amely felsorolja az oldal címeit. A Google dokumentációja szerint nagyobb vagy összetettebb oldalaknál, új oldalaknál (kevés külső hivatkozással) és sok videót, képet vagy hírt tartalmazó oldalaknál segít a hatékonyabb bejárásban. Egy kisebb, jól belinkelt oldalnál (a Google nagyjából 500 oldalig nevezi kicsinek) nem feltétlenül szükséges. Fontos, hogy a sitemap nem garantálja, hogy minden benne lévő cím bejárásra és indexelésre kerül.

Hogyan mérjük

A riport előbb a robots.txt-ben keres Sitemap: sort. Ha talál, azt a címet fogadja el. Ha nincs ilyen sor, sorban megpróbálja ezeket a címeket: /sitemap.xml, /sitemap_index.xml, /wp-sitemap.xml. Az elsőt, amely 200-as (vagy részleges, 206-os) választ ad, elfogadja.

• Megfelelő: talált sitemap-címet.
• Hiba: sem a robots.txt-ben, sem a szokásos címeken nem talált.
• Nem mérhető: a kérések kerete elfogyott, mielőtt végignézte volna.

A teszt súlyossága a riportban: alacsony. Mit nem néz a teszt:

• Ha a robots.txt Sitemap: sort tartalmaz, a riport ezt a címet nem kéri le: a sor megléte elég a megfelelőhöz, akkor is, ha a cím valójában hibás.
• A szokásos címeknél csak a 200-as választ nézi, a fájl tartalmát (érvényes XML-e) nem.
• Csak az első Sitemap: sort veszi figyelembe.

Hogyan javítsd

1. Készíts sitemapet a rendszeredben (a legtöbb CMS tud ilyet, csak be kell kapcsolni).
2. Tedd a webhely gyökerébe vagy a gyökér alá úgy, hogy az összes oldalt lefedje: a Google szerint a gyökérben lévő sitemap fed le mindent, máshol csak a saját könyvtára és az alatta lévők.
3. Írd be a címét a robots.txt fájlba, teljes címmel:

robots.txt

Sitemap: https://pelda.hu/sitemap.xml

A formátumra vonatkozó korlátok a Google és a sitemaps.org szerint: egy fájl legfeljebb 50 000 címet tartalmazhat, és legfeljebb 50 MB lehet (tömörítetlenül); ennél nagyobb oldalnál több fájlt kell készíteni, és egy sitemap-indexben felsorolni őket. A sitemapben teljes (abszolút) címek legyenek. A Google XML mellett RSS, Atom és sima szöveges (soronként egy cím) formátumot is elfogad.

WordPress

A WordPress az 5.5-ös verziótól maga ad egy sitemap-indexet a /wp-sitemap.xml címen, és a robots.txt-ben is hivatkozik rá. A WordPress core-fejlesztői közlése szerint ez ki van kapcsolva, ha az oldal a keresőmotorok kizárását kéri (Beállítások → Olvasás), és a wp_sitemaps_enabled szűrővel is letiltható. Ha a riport WordPress-oldalon jelez hibát:

1. Nézd meg a Beállítások → Olvasás oldalon, hogy a “Keresőmotorok kizárása” nincs-e bejelölve.
2. Nézd meg, hogy egy bővítmény vagy a téma nem kapcsolja-e ki a WordPress sitemapjét.
3. Ha SEO-bővítményt használsz, annak a sitemap-beállítását kapcsold be, és a bővítmény által adott címet vedd fel a robots.txt-be.

Hogyan ellenőrizd

1. Futtasd újra a riportot.
2. Parancssorból a státuszkód és az első sorok:

Terminál

curl -sI https://pelda.hu/sitemap.xml | head -n 1
curl -s https://pelda.hu/sitemap.xml | head -n 5

3. Küldd be a sitemapet a Google Search Console Sitemaps jelentésében, ahol a státusz (Sikeres, Hibák vannak, Nem sikerült lekérni) megmutatja, hogyan dolgozta fel a Google (hogyan használd).