为百度单独生成 sitemap：WordPress 插件配置与内容过滤实操

引言：sitemap 里 80% 是垃圾页

一个典型的 WordPress 站点，文章可能只有几百篇，但 sitemap 里躺着几千条 URL：标签归档、作者归档、附件页（每个上传的图片都有独立页面）、分页、评论分页。把这些一股脑提交给百度，等于告诉它”这些页面都很重要”。结果往往是抓取预算被稀释——百度抓了一堆标签页，真正的新文章反而排在队列后面。更合理的做法是给百度一份”精选目录”：只含文章页、页面、核心栏目页。本文给出三种实现路径，从零配置到纯代码。

原理分析：sitemap 应该只装”值得索引”的 URL

搜索引擎给每个站点分配的抓取资源（常说的抓取预算）是有限的，它会按 sitemap、外链、历史更新频率等因素排序抓取。sitemap 本质上是你在向百度”投票”：出现在里面的 URL 会被认为更重要。因此 sitemap 的编制原则是越少越好、越精越好——前提是每一条都值得收录。

判断哪些页面该进 sitemap，可以用三个问题筛：

WordPress 5.5 起自带 sitemap（/wp-sitemap.xml），它默认包含文章、分类、标签、作者。要精简它，不必装插件，用官方提供的过滤器即可；反过来，如果你用 Yoast SEO、Rank Math、All in One SEO 这类插件，它们各自的 sitemap 设置里也有排除项界面。

保姆级实操

方式一：用插件界面排除（零代码）
Yoast SEO：SEO → 常规 → 站点地图，可关闭”作者/媒体/格式”等类型的站点地图；具体某篇文章可在编辑页的 Yoast 面板设为 noindex，它会自动从 sitemap 移除。Rank Math：站点地图设置 → 常规，可勾选要包含的文章类型与分类法，并排除指定条目。这类界面操作的优点是可视化、可逆，缺点是无法做复杂条件（例如”排除 300 字以下的文章”）。

方式二：用 WordPress 原生钩子改写自带 sitemap
把下面代码放进子主题 functions.php。注意：wp_sitemaps_post_types、wp_sitemaps_taxonomies、wp_sitemaps_posts_query_args、wp_sitemaps_posts_entry 都是 WordPress 真实提供的过滤器，不需要装任何插件。

<?php
// 1) 只保留文章与页面两种内容类型
add_filter( 'wp_sitemaps_post_types', function ( $post_types ) {
    unset( $post_types['attachment'] );
    // 若有自定义类型 product，可保留：return array( 'post', 'page', 'product' );
    return array_intersect_key( $post_types, array_flip( array( 'post', 'page' ) ) );
} );

// 2) 移除标签与作者归档
add_filter( 'wp_sitemaps_taxonomies', function ( $taxonomies ) {
    unset( $taxonomies['post_tag'] );
    return $taxonomies;
} );
// 作者归档需要额外处理：把查询参数改成查不到任何结果
add_filter( 'wp_sitemaps_users_query_args', function ( $args ) {
    $args['include'] = array( 0 ); // 无匹配用户
    return $args;
} );

// 3) 排除正文过短、或标记为 noindex 的文章
add_filter( 'wp_sitemaps_posts_query_args', function ( $args, $post_type ) {
    if ( 'post' !== $post_type ) {
        return $args;
    }
    $args['meta_query'] = array(
        'relation' => 'AND',
        array(
            'key'     => '_mimangfei_word_count',
            'value'   => 300,
            'compare' => '>=',
            'type'    => 'NUMERIC',
        ),
    );
    $args['posts_per_page'] = 1000; // 单文件条目上限，默认 2000
    return $args;
}, 10, 2 );

// 4) 给每条 URL 补上 changefreq / priority，并排除加密文章
add_filter( 'wp_sitemaps_posts_entry', function ( $entry, $post ) {
    if ( ! empty( $post->post_password ) ) {
        return array(); // 返回空数组即不输出该条
    }
    $entry['changefreq'] = 'weekly';
    $entry['priority']   = 0.7;
    return $entry;
}, 10, 2 );

// 5) 每个 sitemap 文件的最大条目数（默认 2000，改小可让百度更快读完）
add_filter( 'wp_sitemaps_max_urls', function () {
    return 1000;
} );

方式三：生成独立的 baidu-sitemap.xml
如果不想动默认 sitemap，可以在站点根目录放一个由计划任务生成的静态文件，只在资源平台提交这个地址：

<?php
// 每小时生成一次 /baidu-sitemap.xml
add_action( 'init', function () {
    if ( ! wp_next_scheduled( 'mmf_build_baidu_sitemap' ) ) {
        wp_schedule_event( time(), 'hourly', 'mmf_build_baidu_sitemap' );
    }
} );

add_action( 'mmf_build_baidu_sitemap', function () {
    $q = new WP_Query( array(
        'post_type'      => 'post',
        'post_status'    => 'publish',
        'posts_per_page' => 2000,
        'no_found_rows'  => true,
        'fields'         => 'ids',
    ) );
    $xml = '<?xml version="1.0" encoding="UTF-8"?>' . "\n"
         . '<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">' . "\n";
    foreach ( $q->posts as $id ) {
        $xml .= "  <url>\n"
              . '    <loc>' . esc_url( get_permalink( $id ) ) . "</loc>\n"
              . '    <lastmod>' . get_post_modified_time( 'c', true, $id ) . "</lastmod>\n"
              . '    <changefreq>weekly</changefreq>' . "\n"
              . "  </url>\n";
    }
    $xml .= '</urlset>';
    file_put_contents( ABSPATH . 'baidu-sitemap.xml', $xml );
} );

验证：改完后 curl -s https://mimangfei.com/wp-sitemap.xml 看索引里是否只剩 posts 与 pages 两类子文件，再抓子文件确认条目数。

常见踩坑

1. 改了代码但缓存插件还在输出旧 sitemap：需要清缓存，并把 wp-sitemap*.xml 从缓存规则中排除。
2. wp_sitemaps_post_types 返回空数组导致 404：至少保留一个类型，否则 sitemap 索引为空、百度抓取为 0 条。
3. meta_query 依赖的自定义字段不存在：没有 _mimangfei_word_count 的文章会被整体排除（因为不存在该 key 的记录不满足 >=），上线前先给历史文章补字段或用 SQL 回填。
4. 把 noindex 的页面留在 sitemap：信号矛盾，百度会认为 sitemap 不可信。
5. 案例：某站用插件生成 sitemap，默认把 attachment 类型也纳入，2000 多条图片附件页被提交，百度抓取日志里附件页占了七成。关掉 attachment 后，文章页抓取量翻倍，两周内新增收录明显加快。
6. 更新频率写成 hourly 却没有真更新：changefreq 只是建议值，乱写会让百度降低对该字段的信任。
7. 计划任务没跑：wp_schedule_event 依赖 WP-Cron，站点流量低时可能延迟，可用系统 crontab 调 wp cron event run 兜底。

总结

判断标准：一份合格的百度 sitemap，条目数应接近你”希望被收录的页面数”，而不是”站点 URL 总数”。行动清单：列出全站 URL 类型 → 用三问筛法删掉标签/附件/搜索/分页 → 优先用插件界面，复杂条件再上钩子 → 改完清缓存并用 curl 验证 → 平台提交后看”有效条数”。关于 sitemap 本身的格式与提交入口，可回看百度sitemap提交的多种方式。