网站地图sitemap格式及如何制作使用
什么是sitemap?百度百科:通常有html和xml版本,html地图是给用户看的,当网站层级较深,结构复杂时,将主要导航、栏目、内容汇聚在html地图中,更方便用户进行内容查找;xml地图是给搜索引擎蜘蛛看的,能够将网站的框架、内容等清晰的展现给蜘蛛,降低蜘蛛迷路的概率,促使蜘蛛更深层次的爬取网站页面,提高网站收录率。
Google、雅虎、和微软都支持一个被称为xml网站地图(xml Sitemaps)的协议,而百度Sitemap是指百度支持的收录标准,在原有协议上做出了扩展。百度sitemap的作用是通过Sitemap告诉百度蜘蛛全面的站点链接,优化自己的网站。百度Sitemap分为三种格式:txt文本格式、xml格式、Sitemap索引格式。
常见的Sitemap三种格式:sitemap.html、sitemap.xml、sitemap.txt
网站地图制作方法 ①手动书写:当然使用手动抒写的站长可能不多,一般都是精通代码且有耐心的站长会使用这种方法。但这种方法相比自动生成工具而言有一定的优势,即可以将自己想要的重要页面或者是栏目导航等手动的放在sitemap文档的上方,加大了蜘蛛的爬取概率;②利用工具生成:互联网上的大部分站点地图都是利用在线地图工具自动生成,高效、简单、方便是其特点,尤其对于新手SEO而言使用非常方便,不用掌握代码就可以直接进行操作,同时还有很多教程可以自学。sitemap自动生成工具有很多种类,新手SEO们可以根据自己的习惯进行下载;③将地图上传至ftp:地图制作完成以后并不意味着任务已经结束,接下来我们需要打开网站空间的ftp,将sitemap.html、sitemap.xml文件上传到网站的根目录,同时将根目录下的robot.txt打开,在文件底部添加网站地图链接,便于蜘蛛第一时间能够顺着网站地图爬取网站,链接为:Sitemap:域名/sitemap.xml。同时,为了确保地图文件已经上传成功可在浏览器输入:域名/sitemap.xml以及域名/sitemap.html进行查看;④sitemap提交百度站长平台:登陆站长平台,点击左上角数据引入下方的链接提交,拉倒下方自动提交后点击“sitemap”,填写数据文件地址,示例如下,(1)域名/sitemap.txt;(2)域名/sitemap.xml输入验证码,进行提交;⑤点击数据监控下拉Robots,检测并更新Robots文件;⑥在网站主页中进行sitemap.xml以及sitemap.html的设置,一般在底部模板进行插入。
Google SiteMap格式
Google SiteMap Protocol是Google自己推出的一种站点地图协议,此协议文件基于早期的robots.txt文件协议,并有所升级。在Google官方指南中指出加入了Google SiteMap文件的网站将更有利于Google网页爬行机器人的爬行索引,这样将提高索引网站内容的效率和准确度。文件协议应用了简单的XML格式,一共用到6个标签,其中关键标签包括链接地址、更新时间、更新频率和索引优先权。
<urlset xmlns=“网页列表地址”>
<url>
<loc>网址</loc>
<lastmod>2005-06-03T04:20-08:00</lastmod>
<changefreq>always</changefreq>
<priority>1.0</priority>
</url>
<url>
<loc>网址</loc>
<lastmod>2005-06-02T20:20:36Z</lastmod>
<changefreq>daily</changefreq>
<priority>0.8</priority>
</url>
</urlset>
百度sitemap 格式
<?xml version="1.0" encoding="UTF-8"?>
<urlset>
<url>
<loc>网页地址</loc>
<lastmod>2010-01-01</lastmod>
<changefreq>daily</changefreq>
<priority>1.0</priority>
</url>
</urlset>
XML标签
changefreq:页面内容更新频率。
lastmod:页面最后修改时间
loc:页面永久链接地址
priority:相对于其他页面的优先权
url:相对于前4个标签的父标签
urlset:相对于前5个标签的父标签
我将一句一句分解讲解这个xml文件的每一个标签:
<urlset xmlns="
这一行定义了此xml文件的命名空间,相当于网页文件中的<html>标签一样的作用。
<url>
这是具体某一个链接的定义入口,你所希望展示在SiteMap文件中的每一个链接都要用<url>和</url>包含在里面,这是必须的。
<loc></loc>
用<loc>描述出具体的链接地址,这里需要注意的是链接地址中的一些特殊字符必须转换为XML(HTML)定义的转义字符,如下表: 字符 转义后的字符
HTML字符 字符编码
& 符号 & &
单引号 ' '
双引号 " "
大于 > >
小于 < <
<lastmod>2005-06-03T04:20:32-08:00</lastmod>
<lastmod>是用来指定该链接的最后更新时间,这个很重要。Google的机器人会在索引此链接前先和上次索引记录的最后更新时间进行比较,如果时间一样就会跳过不再索引。所以如果你的链接内容基于上次Google索引时的内容有所改变,应该更新该时间,让Google下次索引时会重新对该链接内容进行分析和提取关键字。这里必须用ISO 8601中指定的时间格式进行描述,格式化的时间格式如下:
年:YYYY(2005)
年和月:YYYY-MM(2005-06)
年月日:YYYY-MM-DD(2005-06-04)
年月日小时分钟:YYYY-MM-DDThh:mmTZD(2005-06-04T10:37+08:00)
年月日小时分钟秒:YYYY-MM-DDThh:mmTZD(2005-06-04T10:37:30+08:00)
这里需注意的是TZD,TZD指定就是本地时间区域标记,像中国就是+08:00了
<changefreq>always</changefreq>
用这个标签告诉Google此链接可能会出现的更新频率,如首页肯定就要用always(经常),而对于很久前的链接或者不再更新内容的链接就可以用yearly(每年)。这里可以用来描述的单词共这几个:"always", "hourly", "daily", "weekly", "monthly", "yearly", "never",具体含义就不用解释了吧,光看单词的意思就明白了。
<priority>1.0</priority>
<priority>是用来指定此链接相对于其他链接的优先权比值,此值定于0.0 - 1.0之间
还有</url>和</urlset>,这两个就是来关闭xml标签的,这和HTML中的</body>和</html>是一个道理
另外需要注意的是,这个xml文件必须是utf-8的编码格式,不管你是手动生成还是通过代码生成,建议最好检查一下xml文件是否是utf-8编码,最简单的方法就是用记事本打开xml然后另存为时选择编码(或转换器)为UTF-8。