sitemap.xml: obsah webu pro vyhledávače

Modul 3: Technický základ stránky · Doba čtení: 11 minut

Cíl lekce: Po této lekci budete umět přečíst sitemap.xml, posoudit, zda je správná, a zajistit, aby ji vyhledávače našly.

Klíčové pojmy: XML sitemap, protokol sitemaps.org, urlset, url, loc, lastmod, changefreq a priority (Google je ignoruje), limit 50.000 adres a 50 MB, index souborů sitemap (sitemapindex), kanonické adresy, řádek Sitemap: v robots.txt, automaticky vytvořená sitemap

Co sitemap je a co není

Sitemap je soubor se seznamem adres na Vašem webu, které chcete vidět ve výsledcích vyhledávání. Je to obsah, který předáváte vyhledávači. Crawler nachází stránky hlavně tak, že sleduje odkazy (lekce 1.2). Sitemap mu v tom pomáhá: uvádí i stránky, na které vede málo odkazů, a říká, kdy se stránka naposledy změnila.

Dvě věci sitemap nedělá:

1. Není zárukou. Google to sám uvádí: sitemap nezaručuje, že vše, co v ní je, bude procházeno a indexováno. Odeslání sitemap je jen nápověda.
2. Nenahrazuje dobré odkazy. Stránka, která je jen v sitemap a na kterou na Vašem vlastním webu nevede jediný odkaz, je pro vyhledávač znamením, že ji sami za příliš důležitou nepovažujete.

Potřebujete sitemap? Podle Googlu pomáhá hlavně u velkého webu, u nového webu s malým počtem odkazů zvenčí a u webu s velkým množstvím videí nebo obrázků. Malý web (Google uvádí zhruba 500 stránek nebo méně), který je dobře interně prolinkovaný, se bez ní obejde. Sitemap ale nestojí skoro nic a většina nástrojů na tvorbu webů ji vytváří automaticky. Pokud ji máte, postarejte se, aby byla správná: sitemap plná chyb je horší než žádná sitemap.

Jak sitemap vypadá

Běžná sitemap je soubor XML podle protokolu sitemaps.org, který společně používají Google, Bing a další vyhledávače. Takto vypadá sitemap květinářství Bloemenatelier Lotte:

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://www.example.com/</loc>
    <lastmod>2026-11-02</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/bruidsboeketten</loc>
    <lastmod>2026-10-14</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/contact</loc>
    <lastmod>2026-06-30T09:15:00+02:00</lastmod>
  </url>
</urlset>

Několik pravidel, ve kterých se často chybuje:

• Úplné adresy. Ne /contact, ale https://www.example.com/contact. Google výslovně žádá úplné, absolutní adresy.
• UTF-8 a escapování. Soubor musí být v kódování UTF-8 a znaky jako & v adrese zapisujete jako &. Samotný znak & udělá celé XML neplatným.
• Stejné schéma a stejný hostitel. Podle protokolu smí sitemap obsahovat jen adresy se stejným schématem a stejným hostitelem jako sitemap sama. Sitemap na https://www.example.com/ s adresami na http://example.com/ tedy není v pořádku. Je to zároveň znamení, že Vaše canonical a přesměrování nejsou v souladu (lekce 3.5 a 4.1).

lastmod: jen pokud odpovídá skutečnosti

Google používá <lastmod>, pokud je "konzistentně a ověřitelně" správné. V roce 2023 Google doplnil, co se počítá jako změna: hlavní text, strukturovaná data nebo odkazy na stránce. Nový letopočet v patičce změnou není. Pokud u každé stránky každý den nastavíte dnešní datum, Google se naučí, že Vaše data nic neříkají, a začne je ignorovat. Poctivé datum, nebo žádné datum, je lepší než vymyšlené datum.

Velký web? Pak index souborů sitemap

Jedna sitemap smí obsahovat nejvýše 50.000 adres a mít nejvýše 50 MB (bez komprese). Pokud je Váš web větší nebo chcete sitemap rozdělit (stránky, blog, produkty), vytvořte index souborů sitemap (sitemapindex): sitemap složenou ze sitemap.

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>https://www.example.com/sitemap-paginas.xml</loc>
  </sitemap>
  <sitemap>
    <loc>https://www.example.com/sitemap-blog.xml</loc>
  </sitemap>
</sitemapindex>

Odešlete pak jen index. WordPress to dělá takto: https://www.example.com/wp-sitemap.xml je index, který odkazuje na samostatné sitemap pro stránky, příspěvky, rubriky a autory. Pluginy pro SEO ho často nahrazují vlastním indexem, například sitemap_index.xml.

Které adresy do ní patří?

Jen adresy, které chcete vidět ve výsledcích vyhledávání, a to v jejich kanonické podobě (lekce 3.5). Tedy ne:

• adresy, které přesměrovávají (varianta s http://, starý název stránky);
• adresy, které vracejí 404 nebo 410;
• stránky s noindex (lekce 1.3): říkáte tím zároveň "zařaď to" a "nezařazuj to";
• stránky, které blokujete v robots.txt (lekce 3.3);
• varianty s parametry, například ?sorteer=prijs nebo ?utm_source=nieuwsbrief;
• děkovné stránky, nákupní košíky, přihlašovací stránky.

Tyto rozpory uvidíte v Search Console (lekce 2.2 a 2.4): v přehledu Stránky můžete filtrovat podle adres ze své sitemap a uvidíte například adresy vyloučené značkou noindex nebo blokované souborem robots.txt. Každé takové hlášení je adresa, která do Vaší sitemap nepatří, nebo stránka, která je omylem zablokovaná.

Jak vyhledávače Vaši sitemap najdou

Existují dva běžné způsoby a použijte oba:

1. Řádek v robots.txt (lekce 3.3). Každý vyhledávač čte robots.txt, takže tak sitemap najde i vyhledávač, u kterého nemáte účet:

   Sitemap: https://www.example.com/sitemap.xml

   Adresa musí být úplná. Můžete uvést více řádků Sitemap:.

2. Odeslání v Search Console a Bing Webmaster Tools (lekce 2.2 a 2.5). Pak také uvidíte, zda se načtení podařilo a kolik adres bylo nalezeno.

Dříve bylo možné Google "pingnout" přes speciální adresu. Google to v roce 2023 zrušil: takový ping už nic nedělá. Pokud chcete vyhledávačům rychle oznámit změnu, je cestou lastmod a pro Bing a několik dalších vyhledávačů IndexNow (lekce 2.5).

V praxi: vytvořit sami, nebo nechat vytvořit

Sitemap skoro nikdo nepíše ručně. WordPress od verze 5.5 sám vytváří wp-sitemap.xml a odkaz na ni vkládá do svého (virtuálního) robots.txt. AI Builder od WebOké při publikování uloží do webové složky soubor sitemap.xml s datem poslední změny každé stránky a robots.txt s řádkem Sitemap:. Jiné nástroje na tvorbu webů dělají něco podobného. Vaším úkolem je kontrola:

• Otevřete /robots.txt na své doméně (například https://www.example.com/robots.txt) a podívejte se, zda obsahuje řádek Sitemap:.
• Otevřete tuto sitemap v prohlížeči. Jsou v ní adresy, které očekáváte, s https:// a správným názvem hostitele (s www nebo bez)?
• Několik z nich otevřete. Načte se každá stránka hned správně, bez přesměrování?

Shrnutí

• Sitemap je obsah webu a nápověda, nikoli záruka. Malé, dobře prolinkované weby se bez ní obejdou, ale správná sitemap pomůže vždy.
• Povinné jsou urlset se správným jmenným prostorem, url a loc s úplnými adresami; lastmod jen tehdy, když odpovídá skutečnosti. Google ignoruje changefreq a priority.
• Nejvýše 50.000 adres a 50 MB na soubor; nad tento limit index souborů sitemap.
• Jen kanonické adresy, které vracejí 200, bez noindex a neblokované.
• Vložte řádek Sitemap: do robots.txt a odešlete sitemap do Googlu a Bingu. Starý ping už nefunguje.

Kvíz

Úkol

Úkol A3.4: Je Vaše sitemap platná a dohledatelná? Zadejte adresu svého webu. Program hledá Vaši sitemap stejně jako vyhledávač (nejprve přes robots.txt, jinak na /sitemap.xml), zkontroluje, zda jde o platné XML podle protokolu, zda je uvedena v robots.txt, zda jsou adresy úplné a na Vašem vlastním hostiteli, a několik z nich načte, aby ověřil, zda opravdu smějí do indexu. Nemáte vlastní web? Použijte european-union.europa.eu.

Další čtení

Postupy v těchto článcích platí pro panely WebOké; u jiných poskytovatelů to funguje podobně.

• Přihlášení Vašich webových stránek do vyhledávačů (Google a Bing)
• Google Search Central, Vytvoření a odeslání souboru Sitemap: https://developers.google.com/search/docs/crawling-indexing/sitemaps/build-sitemap
• Google Search Central, Co je soubor Sitemap: https://developers.google.com/search/docs/crawling-indexing/sitemaps/overview
• Protokol sitemaps.org: https://www.sitemaps.org/protocol.html
• Google Search Central Blog, Sitemaps ping endpoint is going away (2023): https://developers.google.com/search/blog/2023/06/sitemaps-lastmod-ping