sitemap.xml: a keresőmotorok tartalomjegyzéke

Modul 3: Egy oldal technikai alapjai · Olvasási idő: 11 perc

Tanulási cél: A lecke után el tudja olvasni a sitemap.xml fájlt, meg tudja ítélni, hogy helyes-e, és gondoskodni tud róla, hogy a keresőmotorok megtalálják.

Kulcsfogalmak: XML-webhelytérkép, sitemaps.org-protokoll, urlset, url, loc, lastmod, changefreq és priority (a Google figyelmen kívül hagyja), 50.000 cím és 50 MB határ, webhelytérkép-index (sitemapindex), kanonikus címek, Sitemap:-sor a robots.txt fájlban, automatikusan létrehozott webhelytérkép

Mi a webhelytérkép, és mi nem

A webhelytérkép (sitemap) egy fájl, amely felsorolja a webhelye azon címeit, amelyeket a keresési találatok között szeretne látni. Ez az a tartalomjegyzék, amelyet a keresőmotornak átad. A crawler főként a linkek követésével talál rá az oldalakra (1.2. lecke). A webhelytérkép ebben segít: azokat az oldalakat is felsorolja, amelyekre kevés link mutat, és megmondja, mikor változott utoljára egy oldal.

Két dolgot nem tesz meg a webhelytérkép:

1. Nem garancia. Ezt a Google maga mondja: a webhelytérkép nem garantálja, hogy minden benne szereplő címet feltérképeznek és indexelnek. A webhelytérkép beküldése csupán jelzés.
2. Nem helyettesíti a jó linkeket. Ha egy oldal csak a webhelytérképben szerepel, és a saját webhelyén egyetlen link sem mutat rá, az a keresőmotor számára azt jelzi, hogy Ön sem tartja olyan fontosnak.

Szüksége van webhelytérképre? A Google szerint főként nagy webhelyeknél, kevés külső linkkel rendelkező új webhelyeknél és sok videót vagy képet tartalmazó webhelyeknél segít. Egy kis webhely (a Google nagyjából 500 vagy kevesebb oldalt említ), amely belül jól össze van linkelve, meg is lehet nélküle. A webhelytérkép azonban szinte semmibe sem kerül, és a legtöbb weboldalkészítő magától elkészíti. Ha van ilyen, gondoskodjon róla, hogy helyes legyen: egy hibákkal teli webhelytérkép rosszabb, mint ha egyáltalán nem lenne.

Hogyan néz ki egy webhelytérkép

A szokásos webhelytérkép egy XML-fájl a sitemaps.org-protokoll szerint, amelyet a Google, a Bing és más keresőmotorok közösen használnak. A Bloemenatelier Lotte (egy amersfoorti virágüzlet) webhelytérképe így néz ki:

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://www.example.com/</loc>
    <lastmod>2026-11-02</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/bruidsboeketten</loc>
    <lastmod>2026-10-14</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/contact</loc>
    <lastmod>2026-06-30T09:15:00+02:00</lastmod>
  </url>
</urlset>

Néhány szabály, amely gyakran félresikerül:

• Teljes címek. Nem /contact, hanem https://www.example.com/contact. A Google kifejezetten teljes, abszolút címeket kér.
• UTF-8 és escape-elés. A fájlnak UTF-8 kódolásúnak kell lennie, és az olyan karaktereket, mint a címben szereplő &, & formában kell írni. Egyetlen magában álló & az egész XML-t érvénytelenné teszi.
• Ugyanaz a séma és ugyanaz a hoszt. A protokoll szerint egy webhelytérkép csak olyan címeket tartalmazhat, amelyeknek ugyanaz a sémája és a hosztja, mint magának a webhelytérképnek. Egy https://www.example.com/ címen lévő webhelytérkép http://example.com/ címekkel tehát nem helyes. Ez egyben jele annak is, hogy a canonical és az átirányítás nincs összhangban (3.5. és 4.1. lecke).

lastmod: csak ha helyes

A Google akkor használja a <lastmod> értéket, ha az "következetesen és ellenőrizhetően" helyes. 2023-ban a Google azt is leírta, mi számít változásnak: a fő szöveg, a strukturált adatok vagy az oldalon lévő linkek módosulása. Egy új évszám a láblécben nem változás. Ha minden oldalnál minden nap a mai dátumot adja meg, a Google megtanulja, hogy az Ön dátumai semmit sem jelentenek, és figyelmen kívül hagyja őket. Egy valós dátum, vagy semmilyen dátum, jobb, mint egy kitalált.

Nagy webhely? Akkor webhelytérkép-index

Egy webhelytérkép legfeljebb 50.000 címet tartalmazhat, és legfeljebb 50 MB méretű lehet (tömörítés nélkül). Ha a webhelye nagyobb, vagy fel szeretné osztani a webhelytérképet (oldalak, blog, termékek), akkor webhelytérkép-indexet (sitemapindex) készít: webhelytérképek webhelytérképét.

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>https://www.example.com/sitemap-paginas.xml</loc>
  </sitemap>
  <sitemap>
    <loc>https://www.example.com/sitemap-blog.xml</loc>
  </sitemap>
</sitemapindex>

Ilyenkor csak az indexet kell beküldenie. A WordPress is így működik: a https://www.example.com/wp-sitemap.xml egy index, amely külön webhelytérképekre hivatkozik az oldalak, bejegyzések, kategóriák és szerzők számára. A SEO-bővítmények gyakran a saját indexükkel cserélik le, például sitemap_index.xml néven.

Milyen címek kerüljenek bele?

Csak azok a címek, amelyeket a keresési találatok között szeretne látni, mégpedig kanonikus formájukban (3.5. lecke). Tehát ne kerüljenek bele:

• átirányító címek (a http://-változat, egy oldal régi neve);
• 404-es vagy 410-es kódot adó címek;
• noindex jelölésű oldalak (1.3. lecke): ilyenkor egyszerre mondja, hogy "vedd fel" és "ne vedd fel";
• a robots.txt fájlban letiltott oldalak (3.3. lecke);
• paraméteres változatok, például ?sorteer=prijs vagy ?utm_source=nieuwsbrief;
• köszönőoldalak, kosarak, bejelentkezési oldalak.

Ezeket az ellentmondásokat a Search Console-ban is látja (2.2. és 2.4. lecke): az Oldalak jelentésben szűrhet a webhelytérképében szereplő címekre, és ekkor például olyan címeket lát, amelyeket egy noindex címke kizárt, vagy a robots.txt letiltott. Minden ilyen jelzés egy olyan cím, amely nem tartozik a webhelytérképébe, vagy egy olyan oldal, amelyet véletlenül zártak el.

Hogyan találják meg a keresőmotorok a webhelytérképét

Két szokásos módja van, és érdemes mindkettőt alkalmazni:

1. Egy sor a robots.txt fájlban (3.3. lecke). Minden keresőmotor beolvassa a robots.txt fájlt, így az a keresőmotor is megtalálja, amelynél soha nem volt fiókja:

   Sitemap: https://www.example.com/sitemap.xml

   A címnek teljesnek kell lennie. Több Sitemap:-sort is megadhat.

2. Beküldés a Search Console-ban és a Bing Webmaster Toolsban (2.2. és 2.5. lecke). Így azt is látja, sikerült-e a lekérés, és hány címet találtak.

Régebben egy speciális címmel "pingelni" lehetett a Google-t. A Google ezt 2023-ban megszüntette: egy ilyen ping már semmit sem csinál. Ha gyorsan szeretné tudatni a keresőmotorokkal egy változást, akkor a lastmod, valamint a Bing és néhány más keresőmotor esetében az IndexNow (2.5. lecke) a járható út.

A gyakorlatban: saját készítés vagy automatikus

Szinte senki sem ír kézzel webhelytérképet. A WordPress az 5.5-ös verzió óta magától létrehozza a wp-sitemap.xml fájlt, és a hivatkozást beírja a (virtuális) robots.txt fájljába. A WebOké AI Builder közzétételkor egy sitemap.xml fájlt helyez el a webmappában, oldalanként az utolsó módosítás dátumával, valamint egy robots.txt fájlt, amelyben szerepel a Sitemap: sor. Más weboldalkészítők hasonlóan működnek. Az Ön feladata az ellenőrzés:

• Nyissa meg a /robots.txt fájlt a saját domainjén (például https://www.example.com/robots.txt), és nézze meg, van-e benne Sitemap:-sor.
• Nyissa meg ezt a webhelytérképet a böngészőjében. Azok a címek szerepelnek benne, amelyeket vár, https:// előtaggal és a helyes hosztnévvel (www előtaggal vagy anélkül)?
• Kattintson rá néhányra. Minden oldal azonnal, átirányítás nélkül betöltődik?

Összefoglalás

• A webhelytérkép tartalomjegyzék és jelzés, nem garancia. A kis, jól linkelt webhelyek meglehetnek nélküle, de egy helyes webhelytérkép mindig segít.
• Kötelező a helyes névterű urlset, valamint az url és a loc teljes címekkel; a lastmod csak akkor, ha helyes. A Google figyelmen kívül hagyja a changefreq és a priority elemeket.
• Fájlonként legfeljebb 50.000 cím és 50 MB; e fölött webhelytérkép-index kell.
• Csak 200-as kódot adó kanonikus címek, noindex nélkül és letiltás nélkül.
• Helyezzen el egy Sitemap:-sort a robots.txt fájlban, és küldje be a webhelytérképet a Google-nél és a Bingnél. A régi ping már nem működik.

Kvíz

Feladat

Feladat A3.4: Érvényes és megtalálható a webhelytérképe? Adja meg a webhelye címét. A program úgy keresi meg a webhelytérképét, ahogy egy keresőmotor (először a robots.txt fájlon keresztül, egyébként a /sitemap.xml címen), ellenőrzi, hogy a protokoll szerinti érvényes XML-e, szerepel-e a robots.txt fájlban, teljesek-e a címek és a saját hosztján vannak-e, majd lekér közülük néhányat, hogy lássa, valóban bekerülhetnek-e az indexbe. Nincs saját webhelye? Használja a european-union.europa.eu címet.

További olvasnivaló

A cikkekben leírt lépések a WebOké kezelőfelületeire vonatkoznak; más szolgáltatóknál hasonlóan működik.

• Weboldal bejelentése a keresőmotoroknál (Google és Bing)
• Google Search Central, Webhelytérkép létrehozása és beküldése: https://developers.google.com/search/docs/crawling-indexing/sitemaps/build-sitemap
• Google Search Central, Mi az a webhelytérkép: https://developers.google.com/search/docs/crawling-indexing/sitemaps/overview
• A sitemaps.org-protokoll: https://www.sitemaps.org/protocol.html
• Google Search Central Blog, Sitemaps ping endpoint is going away (2023): https://developers.google.com/search/blog/2023/06/sitemaps-lastmod-ping