Vutral
Como usar esta ferramenta

Localizador de Sitemaps XML e Extrator de URLs

Como usar o localizador de sitemaps XML

Voltar para a ferramenta

Entra um domínio; sai cada arquivo de sitemap que o site declara, e as URLs dentro de qualquer arquivo que você abrir.

  1. 01

    Informe um domínio ou o endereço de um sitemap

    Um domínio é o caminho habitual: lemos o robots.txt e depois os locais padrão na raiz do host. Cole em vez disso um endereço terminado em .xml ou .xml.gz e esse arquivo exato vira a raiz da árvore, útil quando o sitemap fica num lugar que o robots.txt nunca menciona. O caminho de uma página comum é ignorado; só o host é usado.

  2. 02

    Leia a árvore de arquivos

    A busca lê o robots.txt e baixa os arquivos que ele nomeia — o nível de cima, e só ele. Arquivos que um índice de sitemaps declara aparecem direto do corpo do índice, com endereço e Última modificação, mas ainda não se baixa nada deles — é para isso que serve o botão Verificar na linha. Dez requisições respondem a pergunta com que quase todo mundo chega.

  3. 03

    Verifique um arquivo para ler seu conteúdo

    Verificar busca aquele único arquivo: um clique, uma requisição. Um conjunto de URLs abre suas URLs de página com as datas de Última modificação. Um índice acrescenta seus filhos à árvore como linhas novas. Um arquivo ilegível diz o porquê, e o botão vira Tentar de novo. Verificar tudo roda a mesma verificação em cada linha pendente e para assim que o limite de taxa responde.

  4. 04

    Exporte a lista

    Copiar tabela e Exportar CSV levam a tabela como está: cada linha de arquivo, mais as URLs de página de qualquer arquivo que você abriu. Cinco colunas carregam a árvore para uma planilha: Nível diz se a linha é um sitemap ou uma URL de página; depois o endereço; depois Sitemap pai, o arquivo que a declarou; depois Última modificação; depois Resultado, como o próprio arquivo respondeu — vazio nas linhas de página, que esta ferramenta nunca busca.

Como ler o relatório da árvore de sitemaps

Cada linha é um arquivo de sitemap, ou uma URL de página dentro de um. A linha fica em silêncio enquanto nada está errado, então qualquer coisa escrita ao lado de um endereço vale a leitura. Os tetos são anunciados na tabela, nunca aplicados em silêncio: cem arquivos por varredura, trezentas linhas, 5.000 URLs mostradas por arquivo, 10 MB por arquivo.

Notas de status da linha

Sem nota, ao lado de Verificar
Ainda não buscado. Um índice declarou este arquivo, mas a varredura para de propósito no nível superior: buscar cada filho de cada índice custa uma requisição por arquivo e responde a uma pergunta que você talvez não tenha feito.
Sem nota, ao lado de Ver
O arquivo foi lido e não havia nada de errado. Aperte Ver para ver o que há dentro: URLs de página se for um urlset, ou novas linhas filhas se ele for outro índice.
404, 503, Timeout
Não deu para ler o arquivo. Um arquivo que um índice declara mas o site não entrega é um achado real — os buscadores recebem a mesma resposta que você. O botão vira Tentar de novo, que pergunta outra vez.
Não é um sitemap (html)
O servidor respondeu 200 mas mandou uma página web. Normalmente um soft 404, às vezes uma página de bloqueio. Vale corrigir de qualquer forma — pelo navegador parece tudo certo.
Acima de 10 MB — não analisado
Passou do nosso teto de tamanho, medido depois de descompactar. Não analisamos o que só deu para ler pela metade: um XML truncado é um XML quebrado, e uma lista de URLs incompleta que parece completa é pior que nenhuma.

Colunas da árvore

Índice Lv1, Sitemap Lv2, URL
A coluna Nível guarda a árvore: o recuo, a seta ↳ de um arquivo declarado por uma linha acima, e o nível. Índice lista outros sitemaps; Sitemap é um arquivo ainda não lido; URL é uma página dentro do arquivo acima.
Uma data em Última modificação
O lastmod que o índice pai declara para este arquivo. Não custa nada ler e costuma ser o motivo de estar aqui: diz qual ramo do site mudou recentemente. É a afirmação do próprio site, não uma medição.
Um traço em Última modificação
Nada declarou data para este arquivo. Arquivos do nível de cima costumam ficar aqui — nada acima deles declara nada a respeito. Não diz se o arquivo está desatualizado.
Uma linha sem botão
Um índice cujos filhos já estão na árvore. Não sobrou nada para baixar dele; leia os filhos.