Capita spesso di imbattersi in un sito di cui si vorrebbero esplorare tutte le sezioni, ma la cui navigazione mostra solo una parte dei contenuti. La mappa del sito, o sitemap, è il file che elenca gli URL disponibili su un sito. Sapere dove trovarla e come leggerla permette di accedere a pagine che né il menu né la ricerca interna mettono in evidenza.
Accedere al file sitemap XML di un sito web
Il metodo più diretto consiste nel digitare l’indirizzo del sito seguito da /sitemap.xml nella barra del browser. Nella maggior parte dei siti realizzati con un CMS come WordPress, Shopify o Joomla, questo URL restituisce un file XML che elenca le pagine pubblicate.
Se l’indirizzo restituisce un errore 404, si possono provare alcune varianti: /sitemap_index.xml, /sitemap1.xml oppure /sitemap/. Il nome del file non è standardizzato: ogni CMS o plugin adotta una propria convenzione.
Un’altra opzione affidabile è aprire il file robots.txt del sito (accessibile tramite /robots.txt). Questo file contiene spesso una riga “Sitemap:” che indica la posizione esatta della mappa del sito. È anche il metodo consigliato da Google da quando, nel 2023, è stato abbandonato il vecchio sistema di notifica tramite ping. Consultando, ad esempio, la mappa del sito Double Portion, si può vedere com’è fatta una sitemap ben strutturata su un sito reale.
Sitemap index e file secondari: leggere una mappa del sito di grandi dimensioni
Nei siti di grandi dimensioni, il primo file che si incontra non contiene l’elenco completo degli URL. Si tratta di un sitemap index, un file che rimanda a più sitemap secondarie. Ogni file secondario raccoglie un gruppo di URL, spesso organizzati per tipo di contenuto (articoli, prodotti, categorie).
Google impone un limite per ogni file: non più di 50 000 URL e non più di 50 MB non compressi. Oltre questi limiti, il sito deve suddividere la propria mappa in più file collegati tramite questo indice. Per esplorare davvero tutte le pagine, quindi, occorre aprire ogni file secondario, senza fermarsi al primo livello.
In pratica, basta fare clic su ogni link dell’indice della sitemap nel browser. Il file XML viene visualizzato con i tag loc (l’URL della pagina) e, talvolta, lastmod (la data dell’ultima modifica). In un sito e-commerce con migliaia di schede prodotto, esaminare i file uno per uno è l’unico modo per avere una visione completa.
Il tag lastmod è affidabile per individuare gli aggiornamenti?
Google specifica che questa data viene presa in considerazione solo quando riflette modifiche effettive ai contenuti. Molti CMS aggiornano questa data ogni volta che rigenerano il file, anche se la pagina non è stata realmente modificata. Una data lastmod recente non garantisce che il contenuto sia stato modificato. Non ci si può quindi affidare a questo dato per individuare le pagine aggiornate senza una verifica manuale.
Tre casi in cui la sitemap non mostra tutto
La mappa del sito è comunque un inventario dichiarativo: elenca solo ciò che il generatore vi inserisce. Diverse situazioni possono creare uno scarto tra i contenuti effettivi del sito e quelli mostrati dalla sitemap.
- Le pagine orfane (senza link interni) spesso non compaiono nella sitemap, soprattutto se viene generata automaticamente a partire dalla struttura di navigazione del sito
- Le pagine escluse da una regola in robots.txt o da un tag noindex possono scomparire dal file, anche se restano tecnicamente accessibili tramite il loro URL diretto
- I contenuti generati dinamicamente (risultati dei filtri, pagine di ricerca interna) quasi mai compaiono in una sitemap, perché genererebbero migliaia di URL ridondanti
Per colmare queste lacune, si può affiancare alla consultazione della sitemap una scansione del sito con uno strumento come Screaming Frog o Xenu. Questi software seguono ogni link interno e rivelano le pagine ignorate dalla sitemap.
Usare Google Search Console e robots.txt per confrontare i dati
Quando si gestisce il proprio sito, Google Search Console fornisce l’elenco delle pagine indicizzate e segnala quelle che presentano problemi. La sezione “Sitemaps” consente di inviare il file e verificare quanti URL sono stati rilevati e quanti sono effettivamente indicizzati.
La differenza tra i due numeri è significativa. Una sitemap può dichiarare diverse centinaia di pagine, mentre Google ne indicizza solo una parte. Le cause possono essere diverse: contenuti troppo scarni, pagine duplicate, errori di reindirizzamento o semplicemente un crawl budget insufficiente per un sito di grandi dimensioni.
Confrontare sitemap e robots.txt per individuare le incongruenze
Il file robots.txt può bloccare l’accesso a intere directory lasciando comunque i relativi URL nella sitemap. Questo conflitto impedisce ai motori di ricerca di elaborare quelle pagine. Verificare la coerenza tra i due file permette di eliminare queste contraddizioni.
In pratica, si apre robots.txt, si individuano le righe “Disallow” e poi le si confronta con gli URL presenti nella sitemap. Se un URL compare in entrambi, c’è un’anomalia da correggere: si può rimuovere la pagina dalla sitemap oppure eliminare la regola di blocco.
Leggere una sitemap senza conoscenze tecniche
Il formato XML visualizzato in chiaro nel browser può risultare poco intuitivo. Alcuni browser, come Chrome, mostrano i tag senza formattazione, rendendo difficile la lettura di un file composto da migliaia di righe.
Alcune soluzioni semplici possono facilitare la consultazione:
- Copiare l’URL della sitemap in uno strumento online per visualizzare i file XML, che organizza i dati in una tabella con colonne ordinabili
- Usare un’estensione del browser dedicata ai file XML, che colora e rientra automaticamente il contenuto
- Aprire il file in un foglio di calcolo importando l’XML, così da poter filtrare e ordinare gli URL per data o sezione del sito
La mappa del sito resta il punto di partenza più rapido per mappare un sito web, a patto di non confonderla con un inventario completo. Incrociare questo file con robots.txt, una scansione tecnica o Search Console offre un quadro molto più fedele dei contenuti effettivi di un sito.
