让Google更有效抓取你的网站

Google Sitemap是一个很有用的SEO工具，虽然出来很久了，也有一些生成Sitemap的工具，但从结果来看还不尽如人意。下面是对

GoogleSitemap文件的介绍。

Google 的爬虫到底能不能遍历我的站内所有页面？这是个问题。假设能遍历到每个页面，对于Google Spider来说是一件很辛苦的工作。于是Google把一部分工作量转移给WebMaster——建立符合标准的GoogleSitemap。（这的确是对双方都有好处的想法）

Google SiteMap Protocol是Google自己推出的一种站点地图协议，此协议文件基于早期的robots.txt文件协议，并有所升级。在Google官方指南中指出加入了Google SiteMap文件的网站将更有利于Google网页爬行机器人的爬行索引，这样将提高索引网站内容的效率和准确度。Sitemaps服务旨在使用Feed文件sitemap.xml通知Google的Crawler(爬虫)网站上哪些文件需要索引、这些文件的最后修订时间、更改频度、文件位置、相对优先索引权，这些信息将帮助Google Crawler建立索引范围和索引的行为习惯。Sitemap的作用就好像为网站提供了整站的RSS，而google就是这些RSS的订阅者，只要网站有更新就会自动通知google。Sitemap的最終目的在提高所有網頁被找到的速率。

Google倡议站长们利用Sitemaps技术与搜索引擎形成积极互动的协作关系，真正参与到搜索引擎的索引页面缓存的建立中来，改变爬虫机械式的重复工作模式，使搜索引擎能返回更准确有效的的结果，同时也可以有效地减少带宽的消耗以及服务器的压力，提高互联网的效率。

sitemap文件必须包含几个主要的描述性标记:changefreq — 文件更改频度，可以是always/hourly/daily/weekly/monthly/yearly/never中的任意一个值
lastmod — 文件最后被修订的时间，必须是遵循ISO 8601规范的时间戳格式，比如2005-06-04或2005-06-04T02:20:30+08:00
loc — 文件通用资源定位符地址，呵呵，就是URL网址，绝对地址
priority — 相对于同一站点上其他文件的被索引的优先权，值域0.0~1.0，默认值是0.5
url — 用来包围以上四个标记
urlset — 用来包围以上五个标记

分解讲解这个xml文件的每一个标签：
1.
这一行定义了此xml文件的命名空间，相当于网页文件中的标签一样的作用。
2.这是具体某一个链接的定义入口，你所希望展示在SiteMap文件中的每一个链接都要用和包含在里面，这是必须的。
3.http://duduwolf.winzheng.com
用描述出具体的链接地址，这里需要注意的是链接地址中的一些特殊字符必须转换为XML(HTML)定义的转义字符
4.<lastmod>2005-06-03T04:20:32-08:00是用来指定该链接的最后更新时间，这个很重要。Google的机器人会在索引此链接前先和上次索引记

录的最后更新时间进行比较，如果时间一样就会跳过不再索引。所以如果你的链接内容基于上次Google索引时的内容有所改变，应该更新该时

间，让Google下次索引时会重新对该链接内容进行分析和提取关键字。这里必须用ISO 8601中指定的时间格式进行描述，格式化的时间格式如

下：
年：YYYY(2005)
年和月：YYYY-MM(2005-06)
年月日：YYYY-MM-DD(2005-06-04)
年月日小时分钟：YYYY-MM-DDThh:mmTZD(2005-06-04T10:37+08:00)
年月日小时分钟秒：YYYY-MM-DDThh:mmTZD(2005-06-04T10:37:30+08:00)
这里需注意的是TZD，TZD指定就是本地时间区域标记，像中国就是+08:00了
5.always用这个标签告诉Google此链接可能会出现的更新频率，比如首页肯定就要用always(经常)，而对于很久前的链接或者不再更新内容的

链接就可以用yearly(每年)。这里可以用来描述的单词共这几个："always", "hourly", "daily", "weekly", "monthly", "yearly"，具体含义我就不用解释了吧，光看单词的意思就明白了。
6.1.0是用来指定此链接相对于其他链接的优先权比值，此值定于0.0 - 1.0之间
7.还有和，这两个就是来关闭xml标签的，这和HTML中的和是一个道理
8.另外需要注意的是，这个xml文件必须是utf-8的编码格式，不管你是手动生成还是通过代码生成，建议最好检查一下xml文件是否是utf-8编码，最简单的方法就是用记事本打开xml然后另存为时选择编码(或转换器)为UTF-8实例：<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.google.com/schemas/sitemap/0.84">
　<url>
　　<loc>http://plod.popoever.com/</loc>
　　<lastmod>2005-06-04</lastmod>
　　<changefreq>daily</changefreq>
　　<priority>0.8</priority>
　</url>
　<url>
　　<loc>http://plod.popoever.com/archives/cat_google_around.html</loc>
　　<changefreq>weekly</changefreq>
　</url>
　<url>
　　<loc>http://plod.popoever.com/archives/2005_06.html</loc>
　　<lastmod>2005-06-04</lastmod>
　　<changefreq>monthly</changefreq>
　</url>
</urlset>

登陆Google提交你的SiteMap文件：管理我的 Google Sitemaps 文件Sitemap文件可以压缩成.gz格式以减小文件体积，节省带宽，但是文件未压缩体积不能大于10MB(10,485,760字节)，否则的话必须使用多个sitemap文件，而这些sitemap文件必须在sitemap_index.xml中通过loc标记分别指定sitemap文件来得到索引，但sitemap_index.xml不能索引超过1000个sitemap文件。
例如:<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.google.com/schemas/sitemap/0.84">
　<sitemap>
　　<loc>http://www.mysite.com/sitemap1.xml.gz</loc>
　　<lastmod>2004-10-01T18:23:17+00:00</lastmod>
　</sitemap>
　<sitemap>
　　<loc>http://www.mysite.com/sitemap2.xml.gz</loc>
　　<lastmod>2005-01-01</lastmod>
　</sitemap>
</sitemapindex>

总结：Sitemap就是Google推出的一种搜索引擎新的搜索策略，不需要机器人和蜘蛛满世界乱爬，而是你自己主动提交类似RSS的XML文件。站长引导Spider抓取页面。