Respetar los límites del archivo
Un sitemap admite hasta 50000 URL y 50 MB descomprimidos: ambos límites se aplican. Divida conjuntos mayores entre varios sitemaps, opcionalmente con un índice. Use UTF-8 y URL completas.
| Control | Referencia | Detalle |
|---|---|---|
| URL por sitemap | 50000 | Máximo por archivo. |
| Tamaño descomprimido | 50 MB | También se aplica este máximo. |
| Codificación | UTF-8 | Con valores XML correctamente escapados. |
| priority y changefreq | Ignorados por Google | No controlan su rastreo. |
Describir las páginas deseadas
- Liste URL preferidas, coherentes con canónicas, accesibles y destinadas a indexación. Detecte redirecciones, errores y exclusiones antes del envío.
- Escape valores XML y revise archivo servido, estado y sitemaps hijos. La compresión no elimina el límite descomprimido.
- Use lastmod para un cambio significativo y verificable. No renueve todas las fechas a diario para simular actualizaciones.
Separar archivo aceptado y páginas indexadas
Controle diagnóstico de lectura y estados de URL por separado. Un sitemap válido puede incluir páginas no seleccionadas por otros motivos. Google ignora priority y changefreq; no compran prioridad ni fijan frecuencia de rastreo.
Fuentes primarias
Incluir las URL intencionadas en un mapa del sitio.
Un mapa del sitio es un inventario de descubrimiento de las URL que el sitio pretende que los rastreadores visiten. Las redirecciones, los duplicados y las páginas noindex debilitan la coherencia, pero incluso una entrada válida no garantiza la indexación.
- Comparar cada entrada con su respuesta final y canónica.
- Actualizar la fecha de última modificación solo después de un cambio real.
- Verificar las alternativas de idioma y los enlaces internos de las páginas clave.
Fuente primaria: Google Search Central — Crawling and indexing. Método relacionado: consultar la guía práctica.
No usar el sitemap para reparar navegación
El sitemap puede indicar fichas no enlazadas, pero no vuelve utilizable el recorrido. Mantenga coherencia entre canónicas, listas y sitemap, y compruebe descubrimiento más allá de la primera página.
- Incluir URLs canónicas pertinentes según contenido real.
- Probar continuación y últimas fichas de cada familia.
- Cambiar fechas solo cuando se modifica contenido.
Caso de aceptación reproducible
Ejemplo ficticio: estos datos no describen clientes ni resultados observados.
Ver datos del caso
{
"page_2": "/catalog?page=2",
"canonical": "/catalog",
"next_link": "<button>More</button>"
}Decisión esperada
La página 2 necesita canonical propia y enlaces href rastreables a la continuación.
Procedimiento de verificación
- Registre URL, canonical y enlaces por página.
- Acceda a la continuación sin botón JavaScript.
- Conserve href rastreables y canonical propia.
Google Search Central — Pagination and incremental page loading
Fuente primaria: Google Search Central — Pagination and incremental page loading. Método relacionado: consultar la guía práctica.
Calidad de sitemaps
El XML válido puede omitir páginas o contener destinos inadecuados.
- Compare las rutas publicadas con las URL del sitemap. Incluya direcciones canónicas absolutas que desee indexar; retire errores, redirecciones y páginas noindex.
- Cada archivo admite hasta 50 000 URL y 50 MB sin comprimir. Mida los bytes UTF-8, no el archivo gzip. Divida por grupos estables y liste los archivos en un índice.
- lastmod refleja una modificación significativa conocida. No use la fecha del proceso para todas las páginas. Valide XML, disponibilidad y enlaces desde robots.txt tras regenerar.
Caso de aceptación reproducible
Ejemplo ficticio: estos datos no describen clientes ni resultados observados.
Ver datos del caso
{
"shard_urls": 50001,
"uncompressed_bytes": 20000000,
"lastmod_source": "generation_time"
}Decisión esperada
50 001 URL exceden el límite por fichero. Divida y derive lastmod de cambios significativos.
Procedimiento de verificación
- Registre cantidad de URL y tamaño descomprimido.
- Valide segmentos, canonical y lastmod significativo.
- Conserve exclusiones y correspondencia con el índice.
Fuente primaria: Sitemaps.org — Protocol. Método relacionado: consultar la guía práctica.
Robots.txt: rastreo, indexación y pruebas
Las notas detalladas de esta edición están disponibles en inglés.
A sitemap proposes URLs; it does not decide the index
For Google, sitemap inclusion is a weak canonical signal. A proposed URL still needs to be crawled, processed and potentially selected.
- Publish useful URLs consistent with canonical signals and internal links.
- Check robots.txt and each page’s directives separately.
- Retain evidence of actual indexing; submitting a sitemap is not proof of an outcome.
Review the twelve robots.txt cases →
References reviewed