Comprobar el sitemap.xml de una web

Casi siempre en /sitemap.xml en la raíz del dominio, que es donde Google lo busca por defecto. Si tu plataforma lo genera en otra ruta —WordPress con ciertos plugins usa /sitemap_index.xml, otras /sitemap-index.xml—, lo normal es declararlo con una línea «Sitemap:» en el robots.txt. Esta herramienta prueba esas tres rutas y lee el robots.txt; si no está en ninguna, escribe su URL completa.

Un sitemap de URLs (<urlset>) lista páginas; un índice (<sitemapindex>) lista otros sitemaps. El índice es obligatorio cuando se superan las 50.000 URLs o los 50 MB, y es cómodo mucho antes: uno por tipo de contenido deja ver en Search Console qué sección tiene problemas de indexación. Aquí se leen hasta diez sub-sitemaps y se suman sus URLs.

Sí, si la fecha es real. Google la usa para decidir qué volver a rastrear, y en sitios grandes eso marca la diferencia entre que un cambio se vea en horas o en semanas. Si la fecha es falsa —todas iguales, todas de hoy, o en el futuro— Google lo detecta y deja de tenerla en cuenta para todo el archivo. Mejor sin lastmod que con uno inventado.

No. Lo confirmó en 2023: los dos campos se ignoran. No hacen daño, pero cualquier esfuerzo en ajustarlos es tiempo perdido. Si el generador los escribe por defecto, déjalo; si tienes que escribirlos a mano, no lo hagas.

50.000 por archivo y 50 MB sin comprimir, y los índices pueden apuntar a hasta 50.000 sitemaps. Son límites del protocolo y Google los aplica tal cual. En la práctica, los archivos de más de 10.000 URLs ya conviene partirlos: cuando Search Console marque un problema, un sitemap pequeño te dice en qué sección está.

Por una de cuatro cosas: la URL responde algo distinto de 200 (una redirección cuenta), el XML tiene un error de sintaxis, el robots.txt bloquea la ruta del sitemap, o el servidor tarda tanto que Google abandona. Esta herramienta reproduce las tres primeras: pide la URL, valida el XML y, si usas el dominio a secas, lee el robots.txt.

No. El sitemap es la lista de lo que quieres indexar; meter una página con noindex es decirle a Google «indexa esto» y «no indexes esto» a la vez, y Search Console lo marca como error. Lo mismo con las que redirigen, las que no son canónicas y las que devuelven 404: fuera del sitemap.

No. El sitemap y las URLs de la muestra se piden desde nuestro servidor en Cloudflare porque el navegador no puede leer archivos de otro dominio; el análisis ocurre en tu navegador y no registramos ni el dominio ni los resultados. Las respuestas se cachean diez minutos para que repetir la comprobación no vuelva a descargar lo mismo.