Sitemap.xml एक XML फ़ाइल है जिसमें साइट के URL की लिस्ट होती है, ताकि सर्च इंजन पेजों को तेज़ी से ढूँढ सकें — ख़ासकर वे पेज जिन पर आंतरिक लिंक कम हैं या जो हाल ही में जोड़े गए हैं।
फ़ाइल की संरचना और ज़रूरी टैग
हर URL को <url> टैग में लिखा जाता है, जिसमें ज़रूरी <loc> (पेज का पता) होता है, और वैकल्पिक <lastmod>, <changefreq> तथा <priority> भी हो सकते हैं। प्रोटोकॉल एक फ़ाइल को 50,000 URL और 50 MB (बिना कंप्रेस किए) तक सीमित रखता है।
hi और en-IN वाली साइटों में एक आम गड़बड़ी
भारत में कई साइटें एक ही sitemap में हिंदी और अंग्रेज़ी दोनों वर्शन के URL डाल देती हैं और hreflang="hi"/hreflang="en-IN" वाले xhtml:link टैग जोड़ना भूल जाती हैं — इससे फ़ाइल टेक्निकली वैध रहती है, लेकिन सर्च इंजन को यह साफ़ संकेत नहीं मिलता कि दोनों पेज एक ही कंटेंट के भाषा-वर्शन हैं।
कई sitemap और sitemap index
जब URL की संख्या एक फ़ाइल की सीमा से ज़्यादा हो जाए, तो sitemapindex फ़ाइल का इस्तेमाल होता है, जो कई अलग-अलग sitemap फ़ाइलों की ओर इशारा करती है। दसियों हज़ार पेजों वाली बड़ी साइटों के लिए यह सामान्य तरीक़ा है।
इसकी ज़रूरत क्यों है
- Google Search Console में भेजने से पहले sitemap की XML संरचना वैध है या नहीं, जाँचना।
- यह पक्का करना कि फ़ाइल प्रोटोकॉल की URL-संख्या या साइज़ सीमा से आगे न जाए।
- बड़ी sitemap फ़ाइल में टूटे या डुप्लिकेट लिंक ढूँढना।
sitemap में होना इंडेक्सिंग की गारंटी नहीं
वैध sitemap सिर्फ़ क्रॉलर को यह बताता है कि कहाँ देखना है — यह उम्मीदवारों की लिस्ट है, कोई आदेश नहीं। Google कंटेंट की क्वालिटी, डुप्लिकेट और दूसरे सिग्नल के आधार पर ख़ुद तय करता है कि कौन-सा URL इंडेक्स होने लायक़ है — यह ऐसी चीज़ें हैं जो कोई validator जाँच नहीं सकता।