Kiểm tra sơ đồ trang XML: soi cú pháp, thẻ bắt buộc và các ngưỡng giới hạn
Dán nội dung tệp sơ đồ trang vào và công cụ phân tích cú pháp XML ngay trong trình duyệt, kiểm tra thẻ gốc, không gian tên, từng địa chỉ bên trong cùng ba thẻ đi kèm là ngày cập nhật, tần suất thay đổi và mức ưu tiên. Kết quả tách rõ lỗi với cảnh báo, kèm thống kê tổng số địa chỉ và số địa chỉ có khai báo từng thẻ.
Tính năng nổi bật
- Phân tích cú pháp XML và chỉ ra ngay vị trí hỏng nếu tệp không đọc được
- Kiểm tra thẻ gốc phải là danh sách địa chỉ hoặc danh sách sơ đồ con, báo lỗi nếu khác
- Cảnh báo khi thiếu hoặc sai khai báo không gian tên theo chuẩn sitemaps.org
- Soi từng địa chỉ: báo thiếu thẻ vị trí và báo địa chỉ không đúng dạng đầy đủ
- Kiểm tra ngày cập nhật có bắt đầu bằng dạng năm, tháng, ngày hay không
- Kiểm tra tần suất thay đổi có nằm trong bảy giá trị hợp lệ của chuẩn hay không
- Kiểm tra mức ưu tiên có nằm trong khoảng từ 0 tới 1 hay không
- Cảnh báo sơ đồ rỗng và báo lỗi khi vượt ngưỡng năm mươi nghìn địa chỉ trong một tệp
Một sơ đồ trang hỏng cú pháp thì Google bỏ qua toàn bộ tệp
Sơ đồ trang khác với trang web ở chỗ nó không có cơ chế xử lý mềm khi gặp lỗi. Một trang HTML thiếu thẻ đóng vẫn hiển thị được vì trình duyệt tự vá; một tệp XML thiếu thẻ đóng thì bộ phân tích dừng lại và cả tệp coi như không đọc được. Trường hợp phổ biến nhất trong thực tế là một địa chỉ có chứa dấu và chưa được viết lại thành thực thể, thường xuất hiện ở các đường dẫn có tham số lọc; chỉ một địa chỉ như vậy đủ làm hỏng cả tệp chứa mười nghìn địa chỉ khác hoàn toàn hợp lệ. Báo cáo trong Search Console khi đó chỉ hiện một dòng ngắn gọn là không đọc được sơ đồ, không nói rõ nằm ở dòng nào. Kiểm tra tại chỗ trước khi nộp giúp bạn bắt đúng chỗ hỏng trong vài giây. Công cụ này chạy bằng bộ phân tích XML sẵn có của trình duyệt, chính là loại bộ phân tích nghiêm ngặt giống thứ mà công cụ tìm kiếm dùng, nên nếu qua được ở đây thì phần cú pháp coi như yên tâm.
Lợi ích khi sử dụng
- Bắt được lỗi cú pháp trước khi nộp thay vì chờ Search Console báo lại sau vài ngày
- Biết chính xác địa chỉ thứ mấy đang có vấn đề thay vì phải dò cả tệp
- Kiểm tra được cả tệp đang dựng trên máy chưa đưa lên mạng
- Nội dung sơ đồ không rời khỏi trình duyệt nên dùng được với trang nội bộ
- Không giới hạn số lần và không cần đăng ký tài khoản
Cách kiểm tra một tệp sơ đồ trang
- 1Mở địa chỉ tệp sơ đồ trang của bạn trên trình duyệt, thường nằm ở đường dẫn sitemap chấm xml ngay dưới tên miền gốc.
- 2Xem mã nguồn của trang đó rồi chép toàn bộ nội dung XML, vì thẻ nhập theo địa chỉ hiện chưa tự tải được nội dung.
- 3Dán vào khung nhập rồi bấm kiểm tra, kết quả hiện ra ngay bên dưới sau khi bộ phân tích chạy xong.
- 4Đọc phần lỗi trước vì đó là những thứ khiến tệp không dùng được, rồi mới tới phần cảnh báo.
- 5Xem bảng thống kê để biết bao nhiêu địa chỉ có khai báo ngày cập nhật, đây là con số đáng quan tâm hơn cả hai thẻ còn lại.
Cấu trúc tối thiểu của một tệp sơ đồ trang hợp lệ
Tệp mở đầu bằng dòng khai báo phiên bản XML và bảng mã, sau đó tới thẻ gốc là danh sách địa chỉ, và thẻ gốc này bắt buộc phải mang thuộc tính khai báo không gian tên trỏ tới địa chỉ chuẩn của sitemaps.org phiên bản 0.9. Bên trong là các khối địa chỉ, mỗi khối bắt buộc có đúng một thẻ vị trí chứa địa chỉ đầy đủ kèm giao thức và tên miền, không được dùng đường dẫn tương đối. Ba thẻ còn lại là tùy chọn: ngày cập nhật gần nhất, tần suất thay đổi và mức ưu tiên. Có ba quy tắc dễ quên. Thứ nhất, mọi địa chỉ phải được mã hóa phần trăm và mọi dấu và phải viết thành thực thể, nếu không tệp sẽ hỏng cú pháp. Thứ hai, các địa chỉ trong tệp phải cùng nằm dưới đường dẫn chứa chính tệp đó, nên đặt tệp ở gốc tên miền là cách an toàn nhất. Thứ ba, một tệp không được vượt quá năm mươi nghìn địa chỉ và năm mươi megabyte khi chưa nén; vượt ngưỡng nào cũng phải tách thành nhiều tệp rồi gom bằng một tệp danh sách sơ đồ con.
Google dùng thẻ nào và bỏ qua thẻ nào
Đây là điểm khiến nhiều người tốn công vô ích. Trong ba thẻ tùy chọn, Google đã nhiều lần xác nhận công khai rằng họ bỏ qua tần suất thay đổi và mức ưu tiên. Lý do rất dễ hiểu: hai giá trị đó do chủ trang tự khai, không kiểm chứng được, và trong thực tế gần như mọi trang đều tự khai mức ưu tiên cao nhất cho mọi địa chỉ, khiến con số mất hết ý nghĩa phân biệt. Vì vậy việc ngồi tính toán mức ưu tiên cho từng nhóm trang là công sức bỏ đi. Thẻ duy nhất có tác dụng thật là ngày cập nhật gần nhất, nhưng chỉ khi nó chính xác. Nếu hệ thống của bạn ghi ngày hôm nay cho mọi địa chỉ mỗi lần sinh lại tệp, giá trị đó nhanh chóng bị coi là không đáng tin và bị bỏ qua luôn. Ngày cập nhật đúng phải phản ánh lần thay đổi nội dung thực sự, không tính những thay đổi nhỏ như đổi năm trong dòng bản quyền ở chân trang. Với các trang tin và trang thương mại điện tử lớn, đây là tín hiệu giúp bot ưu tiên thu thập lại đúng chỗ có thay đổi.
Nên đưa địa chỉ nào vào và tuyệt đối không đưa cái nào
Nguyên tắc gọn nhất: sơ đồ trang chỉ chứa những địa chỉ mà bạn muốn Google đưa vào chỉ mục, và mỗi địa chỉ đó phải trả về mã trạng thái thành công, phải là phiên bản chính tắc của chính nó, và không được chặn bởi tập tin robots. Bốn nhóm nên loại bỏ ngay. Nhóm thứ nhất là các địa chỉ chuyển hướng, vì đưa vào chỉ khiến bot phải đi thêm một chặng vô ích. Nhóm thứ hai là các địa chỉ có thẻ chặn lập chỉ mục, vì bạn đang gửi tín hiệu mâu thuẫn: một mặt mời bot vào, mặt khác lại bảo đừng lập chỉ mục. Nhóm thứ ba là các địa chỉ có thẻ chính tắc trỏ sang trang khác, chỉ nên đưa chính trang đích. Nhóm thứ tư là các trang lỗi và các đường dẫn bị chặn trong robots. Ngoài ra nên loại các trang kết quả tìm kiếm nội bộ và các tổ hợp bộ lọc, vì chúng sinh ra vô số biến thể gần trùng nhau. Một sơ đồ sạch với năm trăm địa chỉ thật giá trị hơn nhiều so với một sơ đồ năm nghìn địa chỉ lẫn lộn.
Tách tệp và dùng danh sách sơ đồ con
Khi trang vượt quá năm mươi nghìn địa chỉ, hoặc khi tệp đã tới ngưỡng dung lượng, bạn phải tách. Nhưng ngay cả khi chưa chạm ngưỡng, việc tách theo nhóm nội dung vẫn đáng làm vì lý do chẩn đoán: khi Search Console báo có ba trăm địa chỉ không được lập chỉ mục, một tệp gộp chung không cho bạn biết chúng nằm ở đâu, còn khi tách riêng sơ đồ cho bài viết, cho sản phẩm, cho trang danh mục và cho trang dịch vụ thì bạn nhìn ra ngay nhóm nào đang có vấn đề. Cách tách là tạo nhiều tệp con rồi tạo một tệp danh sách với thẻ gốc là danh sách sơ đồ con, mỗi mục trỏ tới một tệp con kèm ngày cập nhật của tệp đó. Bạn khai báo tệp danh sách này trong tập tin robots bằng một dòng riêng và nộp nó trong Search Console, không cần nộp từng tệp con. Lưu ý là công cụ trên trang này đếm địa chỉ dựa trên khối địa chỉ, nên khi bạn dán vào một tệp danh sách sơ đồ con thì kết quả sẽ báo không có địa chỉ nào, đó là hành vi đúng chứ không phải lỗi.
Nộp sơ đồ và đọc báo cáo sau đó
Có hai cách khai báo và nên làm cả hai. Cách thứ nhất là thêm một dòng bắt đầu bằng chữ Sitemap kèm địa chỉ đầy đủ vào tập tin robots đặt ở gốc tên miền; cách này giúp mọi công cụ tìm kiếm phát hiện được, không riêng Google. Cách thứ hai là nộp trong phần sơ đồ trang của Google Search Console, và đây mới là nơi cho bạn thông tin phản hồi. Sau khi nộp, cột trạng thái sẽ chuyển sang thành công cùng số địa chỉ đọc được; nếu con số đó lệch nhiều so với số thật trong tệp thì phần chênh lệch là những địa chỉ bị bỏ qua vì lỗi. Điều cần hiểu đúng là nộp sơ đồ không bảo đảm mọi địa chỉ sẽ được lập chỉ mục, nó chỉ giúp Google phát hiện được chúng. Việc lập chỉ mục còn phụ thuộc chất lượng nội dung và mức độ trùng lặp. Vì vậy đừng lấy tỷ lệ lập chỉ mục thấp làm bằng chứng rằng sơ đồ hỏng, hãy vào phần báo cáo lập chỉ mục để đọc đúng lý do của từng nhóm địa chỉ.
Câu hỏi thường gặp (FAQ)
Vì sao ô nhập theo địa chỉ không hoạt động?
Vì trình duyệt không cho phép trang này tải nội dung từ một tên miền khác nếu máy chủ đó không cho phép rõ ràng. Cách xử lý là mở tệp sơ đồ trên trình duyệt, xem mã nguồn, chép toàn bộ nội dung XML rồi dán vào thẻ nhập nội dung. Kết quả kiểm tra hoàn toàn tương đương vì công cụ chỉ cần đọc nội dung tệp.
Một tệp sơ đồ chứa được tối đa bao nhiêu địa chỉ?
Năm mươi nghìn địa chỉ và năm mươi megabyte khi chưa nén, vượt ngưỡng nào cũng phải tách. Công cụ này báo lỗi khi vượt số lượng nhưng không đo dung lượng, nên với các tệp có nhiều địa chỉ dài bạn cần tự kiểm tra kích thước tệp. Khi tách, hãy gom lại bằng một tệp danh sách sơ đồ con.
Google có dùng thẻ mức ưu tiên và tần suất thay đổi không?
Không. Google đã nhiều lần xác nhận công khai rằng họ bỏ qua cả hai thẻ này, vì đó là giá trị do chủ trang tự khai và trong thực tế hầu như ai cũng khai mức cao nhất cho mọi trang. Ngồi tính toán hai giá trị đó là công sức bỏ đi. Thẻ duy nhất thực sự có tác dụng là ngày cập nhật gần nhất.
Ngày cập nhật nên ghi thế nào cho đúng?
Theo chuẩn ngày giờ dạng năm, tháng, ngày ngăn bằng dấu gạch ngang, có thể kèm giờ và phần chênh lệch múi giờ. Quan trọng hơn định dạng là tính trung thực: nó phải phản ánh lần nội dung thực sự thay đổi. Nếu hệ thống ghi ngày hôm nay cho mọi địa chỉ mỗi lần sinh lại tệp, Google sẽ coi giá trị đó không đáng tin và bỏ qua.
Dán tệp danh sách sơ đồ con vào mà báo không có địa chỉ nào?
Đó là hành vi đúng chứ không phải lỗi. Công cụ đếm dựa trên các khối địa chỉ, trong khi tệp danh sách chỉ chứa các khối trỏ tới tệp con nên không có khối nào để đếm. Phần kiểm tra cú pháp và thẻ gốc vẫn chạy bình thường, còn muốn kiểm tra nội dung thì bạn dán từng tệp con vào riêng.
Vì sao cả tệp báo lỗi cú pháp chỉ vì một địa chỉ?
Vì XML được phân tích nghiêm ngặt, không có cơ chế vá lỗi mềm như HTML. Nguyên nhân phổ biến nhất là một địa chỉ chứa dấu và chưa được viết thành thực thể, hay gặp ở đường dẫn có tham số lọc. Các nguyên nhân khác gồm thẻ chưa đóng, ký tự lạ lọt vào và bảng mã khai báo không khớp với nội dung thật.
Có nên đưa trang có thẻ chặn lập chỉ mục vào sơ đồ không?
Không. Đó là tín hiệu mâu thuẫn: một mặt bạn mời bot vào, mặt khác lại bảo đừng lập chỉ mục. Sơ đồ chỉ nên chứa những địa chỉ trả về mã trạng thái thành công, là phiên bản chính tắc của chính nó và không bị chặn trong tập tin robots. Các địa chỉ chuyển hướng và trang lỗi cũng nên loại bỏ.
Khai báo sơ đồ ở đâu để công cụ tìm kiếm biết?
Nên làm cả hai cách. Thêm một dòng bắt đầu bằng chữ Sitemap kèm địa chỉ đầy đủ vào tập tin robots ở gốc tên miền để mọi công cụ tìm kiếm phát hiện được. Đồng thời nộp trong phần sơ đồ trang của Google Search Console, vì đó là nơi duy nhất cho bạn biết Google đọc được bao nhiêu địa chỉ và có lỗi gì.
Nộp sơ đồ rồi mà trang vẫn không lên chỉ mục?
Sơ đồ chỉ giúp Google phát hiện ra địa chỉ, nó không bảo đảm việc lập chỉ mục. Quyết định đó phụ thuộc chất lượng nội dung, mức độ trùng lặp với trang khác và ngân sách thu thập dành cho tên miền của bạn. Hãy mở phần báo cáo lập chỉ mục trong Search Console để đọc đúng lý do của từng nhóm địa chỉ.
Có cần tách sơ đồ khi trang chưa tới ngưỡng không?
Không bắt buộc nhưng nên làm vì lý do chẩn đoán. Khi tách riêng sơ đồ cho bài viết, cho sản phẩm và cho trang danh mục, báo cáo trong Search Console sẽ cho bạn biết nhóm nào đang có vấn đề. Với một tệp gộp chung, bạn chỉ thấy một con số tổng và phải tự dò trong hàng nghìn địa chỉ.
Sơ đồ trang có cần cập nhật thủ công không?
Không nên. Với trang thường xuyên thêm nội dung, hãy để hệ thống sinh tệp tự động mỗi khi có bài mới hoặc theo lịch hằng ngày. Tệp sinh tay nhanh chóng lệch với thực tế, và một sơ đồ liệt kê những địa chỉ đã xóa từ lâu còn gây hại hơn là không có sơ đồ nào.
Nội dung tôi dán vào có bị gửi đi đâu không?
Không. Công cụ dùng bộ phân tích XML sẵn có của trình duyệt và toàn bộ việc kiểm tra chạy trên máy bạn, không có bước gửi dữ liệu lên máy chủ. Nhờ vậy bạn kiểm tra được cả tệp của trang nội bộ hay trang đang dựng chưa đưa lên mạng.
Từ khóa liên quan
- kiểm tra sitemap xml
- xml sitemap validator
- sitemap là gì
- tạo sitemap cho website
- lỗi sitemap google search console
- sitemap không đọc được
- giới hạn 50000 url sitemap
- sitemap index nhiều tệp
- thẻ lastmod trong sitemap
- changefreq và priority
- khai báo sitemap trong robots.txt
- nộp sitemap lên google
- sitemap chuẩn seo
- trang không được lập chỉ mục
- ngân sách thu thập dữ liệu
- cú pháp xml hợp lệ
- sitemap cho website thương mại điện tử
- sitemap ảnh và video
- seo kỹ thuật cơ bản
- google search console sitemap
