本文约 3,935 字，预计阅读 10 分钟。文中命令与配置均经过实测，可直接参考执行。
引言：sitemap 提交了，为什么状态一直是「无法读取」
不少站点的 GSC 站点地图报告里常年挂着一条黄色提示：状态是「无法读取」或者「已读取，但发现了问题」，展开后是一堆「已排除的网址」或「sitemap 中的网址被 robots.txt 阻止」。站长通常是提交完就再没看过。
sitemap 的作用被普遍高估了——它不能让页面被收录，只能让页面被发现得更快。Google 官方也明确说过，sitemap 是辅助发现手段，不是收录保证。真正决定收录的仍然是内容质量与站点权威。但 sitemap 有一个不可替代的作用：它是你主动告诉 Google “这些页面对我重要”的通道，因此里面放什么、不放什么，本身就是一种优先级声明。
原理分析：sitemap 的三条硬规则
第一条是位置。 sitemap 只能声明它所覆盖路径层级上的 URL。放在 https://example.com/blog/sitemap.xml 的文件，不能声明 https://example.com/product/xxx。要覆盖全站就放在根目录。
第二条是格式与编码。 必须 UTF-8 编码、必须转义 &、'、<、> 五个 XML 实体字符，URL 必须完整绝对且与其在站点上的形式完全一致（含协议、大小写）。这是最常见的解析失败原因——很多插件生成的 URL 没做转义，遇到带 & 参数的链接就报错。
第三条是 lastmod 的语义。 lastmod 必须是页面实质性修改的时间，且格式要符合 W3C Datetime（如 2026-04-02T09:14:22+08:00）。把它写成每天自动更新的当前时间，等于告诉 Google “我每天都在改但内容其实没变”，长期会让这个字段失去参考价值，甚至降低抓取优先级。
| 项目 | 常见错误 | 正确做法 |
|---|---|---|
| 文件位置 | 放在子目录声明全站 URL | 放根目录，或用索引文件 |
| URL 转义 | 参数里的 & 未转义为 & |
生成时做 XML 实体转义 |
| lastmod | 每次构建都写当前时间 | 只写实质更新的时间 |
| 内容范围 | 放 noindex / 重定向 / 404 URL | 只放可索引的规范 URL |
| 大小上限 | 单文件几万条 | 单文件 ≤ 5 万 URL、≤ 50MB 未压缩 |
| 提交方式 | 只放 robots.txt | GSC 提交 + robots.txt 声明 |
保姆级实操
步骤 1：确认站点地图的 URL 结构。 WordPress 从 5.5 起内置了 wp-sitemap.xml（位于 /wp-sitemap.xml，按类型拆分为 /wp-sitemap-posts-post-1.xml 等）。如果你装了 Yoast SEO、Rank Math、All in One SEO，它们各自的地图地址分别是 /sitemap_index.xml、/sitemap_index.xml、/sitemap.xml。不要同时启用多个插件的站点地图，会出现多份地图互相打架。
步骤 2：按类型拆分并用索引文件组织。 单文件超过 5 万条就要拆分，拆开后用 sitemap index 汇总。下面是一份可直接参考的结构：
<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemap.org/schemas/sitemap/0.9">
<sitemap>
<loc>https://www.example.com/wp-sitemap-posts-post-1.xml</loc>
<lastmod>2026-04-02T09:14:22+08:00</lastmod>
</sitemap>
<sitemap>
<loc>https://www.example.com/wp-sitemap-posts-page-1.xml</loc>
<lastmod>2026-03-28T16:02:00+08:00</lastmod>
</sitemap>
<sitemap>
<loc>https://www.example.com/wp-sitemap-taxonomies-category-1.xml</loc>
<lastmod>2026-03-28T16:02:00+08:00</lastmod>
</sitemap>
</sitemapindex>
<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
<url>
<loc>https://www.example.com/blog/google-seo-guide/</loc>
<lastmod>2026-04-02T09:14:22+08:00</lastmod>
</url>
<url>
<!-- 参数里的 & 必须转义为 &，否则解析失败 -->
<loc>https://www.example.com/compare/?a=shopify&b=woocommerce</loc>
<lastmod>2026-03-19T11:30:00+08:00</lastmod>
</url>
</urlset>
步骤 3：在 robots.txt 里声明，同时也去 GSC 提交。 两处都写：robots.txt 里的 Sitemap: 指令让所有支持的引擎都能找到，GSC 提交则能拿到「已读取」的状态反馈与错误明细。
步骤 4：提交后看状态与「发现的网址数」。 GSC → 站点地图，看状态（成功 / 已读取，但发现问题 / 无法读取）与“已发现的网址”数量。如果“已发现网址数”远小于文件里的 URL 数，通常是解析失败或被 robots 阻止。
步骤 5：修正被阻止的 URL。 报告里点开被排除的分组，常见是「被 robots.txt 阻止的网址」——如果你希望这些页面被索引，就去改 robots.txt；如果不希望，就把它们从 sitemap 里删掉。sitemap 里绝对不能放被 robots 屏蔽的 URL，这是自相矛盾的声明。
步骤 6：更新通知用 ping 而不是反复提交。 内容更新后，向 https://www.google.com/ping?sitemap=https://www.example.com/sitemap.xml 发一次 GET 请求即可触发重新读取。不需要每次都登录 GSC 手动提交。WordPress 在发布文章时会自动触发这个 ping。
步骤 7：排除不需要索引的类型。 用 Yoast 或 Rank Math 时，把标签页、作者归档、媒体附件页从地图里排除；用 WordPress 核心地图时，用 wp_sitemaps_taxonomies 等过滤器移除。
常见踩坑
- sitemap 里放全部 URL 以求“都被发现”。 见 已发现尚未编入索引的处理，这会稀释优先级。
- 启用多个 SEO 插件导致多份地图。 保留一份，其余插件的地图功能关掉，并把旧地址 301 到保留的那份。
- lastmod 每次构建都变。 这个字段会失效，抓取频率反而下降。
- XML 里的
&没转义。 直接导致「无法读取」，且错误信息很隐晦。 - sitemap 文件被缓存插件或 CDN 返回了 HTML。 用
curl -I确认Content-Type: application/xml。 - 压缩格式用错。 只支持
.xml或.xml.gz，zip 不支持。 - 案例： 一个站点 sitemap 状态常年「无法读取」，检查后发现是商城插件在生成 URL 时把筛选参数原样写入，
&未转义。修复转义后地图立刻读取成功，但由于长年被阻止，Google 对该地图的信任度已经很低，重新积累优先级又花了一个多月。sitemap 的错误要第一时间修，拖延会损失信任积累。
总结
sitemap 的正确用法可以浓缩成六条：放根目录、按类型拆分、只放可索引的规范 URL、URL 做 XML 转义、lastmod 写真实的实质修改时间、robots.txt 与 GSC 两处都声明。判断做得对不对，看 GSC 里“发现的网址数”是否接近文件里的 URL 数、以及「已编入索引」占「已发现」的比例。这个比例如果长期低于 50%，问题不在 sitemap，而在内容质量和 URL 空间收敛上。
