V případě rozsáhlejšího webu se hodí vytvořit jeho strojově čitelnou mapu – tzv. soubor sitemap.

Proč mapu webu vytvářet

Sitemapa není rozhodně nezbytná součást webu. Může se ale hodit pro usnadnění procházení webu vyhledávači.

Normálně roboti vyhledávačů procházejí jednotlivé stránky a v kódu hledají odkazy <a href> na další stránky, které by ještě mohly zaindexovat.

Vygenerovaná mapa webu sitemap.xml potom obsahuje strojově čitelný seznam všech adres webu – to může vyhledávači usnadnit nacházení nových stránek – pro objevení nových stránek stačí porovnat adresy v souboru sitemap.xml.

Mapa webu se hodí i v případě, kdy na všechny podstránky nevedou odkazy nebo jsou hodně zahrabané v struktuře webu. Ideální ale samozřejmě je se tomuto stavu vyhnout.

Podle mých testů je v Googlu vyhledatelná i stránka, na kterou nevede žádný odkaz, ale je v sitemap.xml, u Seznamu ne.

Co to je sitemap.xml?

Mapa webu je XML soubor obsahující primárně adresy jednotlivých stránek. Kromě URL jde uvést i další věci jako datum poslední úpravy, prioritu stránky nebo frekvenci četnosti změn.

Zpravidla se mapa webu nachází na adrese:

example.com/sitemap.xml

Ale není to podmínkou.

Příklad sitemapy

Příklad jedné <url> položky v mapě webu (všechny adresy se vkládají do nadřazené značky <urlset>):

<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>http://jecas.cz/sitemap</loc>
    <lastmod>2015-12-26T08:10:11+00:00</lastmod>
    <changefreq>always</changefreq>
    <priority>1.0</priority>
  </url>
</urlset>

Musí se jmenovat sitemap.xml?

XML soubor s mapou webu může mít libovolné jméno nebo příponu. Používat sitemap.xml je jen zažitá konvence.

Mapu webu je klidně možné dynamicky generovat v PHP a podobně – většinou se tak i děje, protože sestavovat stovky nebo tisíce položek ručně není reálné. Jen je potřeba souboru přidat hlavičku Content-Type: application/xml.

Je-li získání všech stránek časově náročné, je lepší mapu webu generovat do statického souboru při každé změně (přidávání/odebírání/upravování stránek).

Maximální velikost mapy webu

Podle specifikace je omezení velikosti mapy webu následující:

• Maximálně 50 000 URL.
• Datová velikost do 10 MB před gzip kompresí. Google má datový limit 50 MB.

Sitemap index

Pokud jeden nebo oba limity nestačí, je potřeba seznam adresy rozdělit do více souborů.

K tomu slouží tzv. sitemapindex. Do souboru sitemap.xml se neuvedou URL stránek ale odkazy na dílčí mapy webu. Ty jde různě rozdělit třeba podle měsíců:

<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>
      http://example.com/sitemap-2015-12.xml
    </loc>
  </sitemap>
</sitemapindex>

Odkazovaný soubor sitemap-2015-12.xml už potom obsahuje odkazy na stránky webu.

Sitemap index se může pro jistotu používat i pro menší počty URL.

Sitemapa v robots.txt

Soubor robots.txt umožňuje předat pokyny robotům vyhledávačů, jde do něj i umístit odkaz na mapu webu:

Sitemap: http://example.com/sitemap.xml

Vytvoření sitemapy ve Wordpressu

Pro redakční systém WordPress existuje plugin Google XML Sitemaps. Stránky v mapě webu rozděluje po měsících, dokáže po přidání nebo úpravě článku dát vědět Google nebo Bingu o změně. Zároveň přidává odkaz na sitemap do robots.txt.

Přidat sitemap na Seznam

Seznam nenabízí žádný formulář pro vložení/načtení sitemapy jako existuje třeba pro ruční přidání URL. Jediná možnost, jak ho informovat o vytvoření mapy webu, je uvést tuto informaci v souboru robots.txt:

Slouží k tomu prosté:

Sitemap: http://example.com/sitemap.xml

Doporučení ohledně používání mapy webu na Seznamu:

Google

Google má formulář pro nahrání mapy webu ve své službě pro webmastery Search Console.

V Procházení → Soubory Sitemap je vpravo nahoře tlačítko Přidat/otestovat soubor sitemap:

Bing

Vyhledávač Bing má podobně jako Google nástroje pro webmastery.

Sitemapu jde přidat po vybrání webu v nabídce Konfigurace mého webu → Soubory Sitemaps:

Jiné využití sitemap.xml

Kromě vyhledávačů může mapa webu posloužit i nástrojům pro vytěžování obsahu stránek. V mapě webu mají kompletní seznam všech URL webu na zlatém podnose.

RSS vs. sitemap

Vyhledávače dokáží jako strojově čitelný zdroj obsahu použít i RSS/Atom exporty. Ty ale většinou kvůli úsporám přenášení dat obsahují pouze několik nejnovějších záznamů.

V sitemap.xml bývá seznam všech stránek.

HTML mapa webu

Protože v XML souboru sitemap.xml si lidský návštěvník moc nepočte, některé weby obsahují mapy webu i v HTML podobě pro lidi.

Při určitém počtu stránek a stromové struktuře to může být užitečné. U webu se stovkami stránek a nejasnou hierarchií je asi pohodlnější způsob navigace interní vyhledávání.

Odkazy jinam

• Sitemaps.org: Sitemaps XML format
• Wikipedie: Sitemap