XML sitemap: teljes útmutató

Az XML sitemap egy gépi olvasásra szánt fájl, amely felsorolja a webhely azon URL-jeit, amelyeket a keresőben szeretnél látni. Segít a keresőnek megtalálni az új és frissült lapokat, főleg nagy, gyakran változó vagy gyengén belinkelt webhelyeken. Nem garantálja az indexelést, és nem pótolja a jó belső linkelést, de pontos jelzést ad arról, mely lapok számítanak.

Alapfogalmak

Az XML sitemap (magyarul gyakran oldaltérkép) egy szabványos szerkezetű XML dokumentum, amelyet a keresőrobotoknak készítesz. A formátumot a sitemaps.org protokoll írja le, és a nagy keresők ugyanazt a szerkezetet értik. A fájl nem az olvasónak szól: a látogató jellemzően sosem nyitja meg, a robot viszont rendszeresen letölti, és a benne szereplő URL-eket felveszi a feltérképezendő címek közé.

Fontos különbséget tenni a felfedezés és az indexelés között. A sitemap a felfedezést segíti: megmondja, hogy egy URL létezik, és mikor változott utoljára. Arról viszont, hogy a lap bekerül-e az indexbe, a kereső a lap tartalma, minősége és a többi jel alapján dönt. Egy sitemapben szereplő URL ezért nem kerül automatikusan a találatok közé, és egy sitemapből hiányzó, de jól belinkelt lap is bekerülhet.

A legfontosabb fogalmak

Fogalom	Jelentés	Gyakorlati szerep
urlset	A sitemap gyökéreleme, ebben sorakoznak a bejegyzések	Ez jelzi, hogy URL-listáról van szó
url és loc	Egy bejegyzés, benne a lap teljes, abszolút címével	A loc az egyetlen kötelező adat egy bejegyzésben
lastmod	A lap utolsó érdemi módosításának dátuma	Ha megbízható, a kereső ez alapján választhatja ki az újra letöltendő lapokat
changefreq, priority	Becsült változási gyakoriság és relatív fontosság	A Google a saját dokumentációja szerint figyelmen kívül hagyja őket
Sitemap index	Olyan fájl, amely több sitemap fájlra mutat	Nagy webhelyen így osztható fel a lista

Mit tartalmazzon, és mit ne

A sitemap akkor hasznos, ha pontos. Egy egyszerű szabály: csak olyan URL kerüljön bele, amelyet szívesen látnál a találatok között. Ez a gyakorlatban azt jelenti, hogy a lap 200-as állapotkóddal válaszol, nincs rajta noindex, nem tiltja a robots.txt, és a lap a saját kanonikus változata. Minden más URL zaj: átirányított címek, hibás lapok, szűrt és paraméteres változatok, belső keresési találati lapok.

Belekerül: a kanonikus, indexelhető, 200-as választ adó lapok, termékek, cikkek, kategóriák.
Nem kerül bele: átirányított, 404-es, noindex jelölésű, robots.txt által tiltott, duplikált vagy csak paraméterben eltérő URL-ek.

XML sitemap és HTML sitemap

A két fogalmat gyakran összekeverik, pedig más a céljuk. Az XML változat a robotnak szól, a HTML sitemap egy látogatóknak szánt, kattintható oldal, amely a webhely szerkezetét mutatja meg. Az egyik nem pótolja a másikat: a HTML oldal belső linkeket ad, az XML fájl metaadatot és teljes listát.

Hogyan működik?

A folyamat három lépésből áll: a kereső megtudja, hol a sitemap, letölti és feldolgozza, majd a benne talált URL-eket beütemezi a feltérképezésre. Mindhárom lépésnél elcsúszhat valami, ezért érdemes pontosan érteni, mi történik.

1. A kereső megtalálja a fájlt

A sitemap helyét kétféleképpen szokás közölni. Az egyik a robots.txt fájl, amelybe egy Sitemap: kezdetű sor kerül a fájl teljes, abszolút URL-jével. Ezt a sort a robots.txt bármely részére írhatod, és nem kötődik egyetlen user-agent csoporthoz sem. A másik út a keresők webmestereszköze, a Google esetében a Search Console Sitemapek jelentése, ahol a fájl címét közvetlenül beküldheted. A kettő nem zárja ki egymást, a legtöbb webhelyen mindkettőt érdemes használni. A robots.txt útja minden keresőnek szól, a Search Console pedig visszajelzést ad a feldolgozásról.

2. A fájl letöltése és feldolgozása

A robot letölti a fájlt, és ellenőrzi, hogy érvényes XML-e. A protokoll szerint egy sitemap fájl legfeljebb 50 000 URL-t tartalmazhat, és tömörítetlenül legfeljebb 50 MB lehet. Ha a lista ennél nagyobb, több fájlra kell bontani, és egy sitemap indexben összefogni őket. A fájl lehet gzip-pel tömörített is. A kódolás UTF-8, és az URL-ekben szereplő speciális karaktereket, például az & jelet, XML-entitásként kell írni.

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://www.pelda.hu/termekek/kavefozo/</loc>
    <lastmod>2026-09-12</lastmod>
  </url>
</urlset>

3. Ütemezés és feltérképezés

A beolvasott URL-ek a feltérképezési sorba kerülnek. A kereső itt a saját prioritásai szerint dönt: ismert, gyakran változó, fontosnak ítélt lapokat hamarabb néz meg, mint egy friss, belső linkkel alig ellátott címet. A lastmod érték ebben segíthet, de csak akkor, ha a kereső megtanulja, hogy a webhelyen megbízható. Ha minden lap lastmod dátuma minden nap a mai napra ugrik, a jelzés értelmét veszti.

A folyamat nem egyszeri. A kereső a sitemapet időnként újra letölti, és az újonnan megjelent vagy módosult bejegyzéseket veszi figyelembe. Ezért a sitemapnek élő, automatikusan frissülő fájlnak kell lennie, nem egy egyszer legenerált és elfelejtett listának.

Mi történik, ha egy URL kikerül a sitemapből

Gyakori félreértés, hogy a sitemapből törölt URL kikerül az indexből is. Nem így van. A sitemap csak jelzés arról, mit érdemes feltérképezni; ha egy cím eltűnik a listából, a kereső attól még ismeri, és a saját ütemében újra megnézheti. Ha egy lapot valóban el akarsz távolítani az indexből, azt a lapon kell jelezni: noindex direktívával, 404 vagy 410 állapotkóddal, vagy átirányítással egy megfelelő új címre. A sitemapből való kivétel ezt csak kíséri, nem helyettesíti.

Fordított irányban ugyanez igaz: ha egy fontos lap kimarad a sitemapből, a kereső belső linkeken keresztül akkor is megtalálhatja. A sitemap tehát nem kapcsoló, hanem egy jel a sok közül, amely akkor ér a legtöbbet, ha összhangban van a többivel.

A sitemap és a crawl budget kapcsolata

Kis webhelyen a feltérképezési keret ritkán szűk keresztmetszet. Nagy, sok százezer lapos webhelyen viszont számít, mire megy el a robot ideje. Egy tiszta sitemap itt azt üzeni, mely lapokra érdemes erőforrást fordítani. A témáról bővebben a crawl budget útmutató szól.

Fő módszerek

A sitemap elkészítésére több út van, és a webhely méretétől, a tartalomkezelőtől és a változás ütemétől függ, melyik a jó választás. A lényeg mindegyiknél ugyanaz: a fájl tükrözze a valós, indexelhető lapok aktuális állapotát.

Tartalomkezelő vagy bővítmény által generált sitemap

A legtöbb elterjedt tartalomkezelő vagy maga készít sitemapet, vagy egy SEO bővítmény teszi meg helyette. Ez kis és közepes webhelyen általában elég. Az előnye, hogy a lap közzétételekor vagy törlésekor a sitemap magától frissül. A hátránya, hogy a beállítások alapértelmezése nem mindig jó: gyakran bekerülnek címkeoldalak, szerzői archívumok, csatolmányoldalak, amelyeket egyébként nem szeretnél indexelni. A beállításokat ezért egyszer végig kell nézni, és ki kell zárni azokat a tartalomtípusokat, amelyek noindex jelölést kapnak.

Egyedi, adatbázisból generált sitemap

Webáruháznál, portálnál, hirdetési oldalnál a sitemapet sokszor közvetlenül az adatbázisból érdemes előállítani. Így pontosan ugyanaz a logika dönti el, mi kerül a sitemapbe, mint ami a lap indexelhetőségét: ha egy termék elfogy és a lap 404-et ad, vagy noindex jelölést kap, a sitemapből is kiesik. A lastmod érték itt a tartalom tényleges módosítási idejéből jön, nem a fájl generálásának idejéből.

Kézzel írt sitemap kis webhelyen

Egy statikus, néhány lapos webhelynél a sitemap kézzel is megírható, és ez egyáltalán nem hiba. A kockázat az, hogy a fájl elavul: új lap kerül fel, egy régi megszűnik, és a sitemap erről nem tud. Ha kézi fájlt használsz, tedd a karbantartását a közzétételi folyamat részévé, például egy ellenőrzőlista-ponttal minden új lapnál. Ha a webhely statikus generátorral készül, a sitemapet is a generátor állítsa elő, ugyanabból a lapjegyzékből, amelyből az oldalak készülnek.

Felosztás sitemap indexszel

Ha a webhely nagy, a sitemapet érdemes típusok szerint bontani: termékek, kategóriák, cikkek, statikus lapok külön fájlba kerülnek, és egy sitemap index fogja össze őket. A felosztás nemcsak a méretkorlát miatt hasznos. A Search Console fájlonként mutatja az adatokat, így látszik, hogy például a termékoldalak aránya rosszabb-e a cikkekénél.

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap><loc>https://www.pelda.hu/sitemap-termekek.xml</loc></sitemap>
  <sitemap><loc>https://www.pelda.hu/sitemap-cikkek.xml</loc></sitemap>
</sitemapindex>

Kiegészítő sitemap típusok

Az alap URL-listán túl léteznek bővítmények képekhez, videókhoz és hírekhez, és a sitemapben megadhatók a nyelvi változatok hreflang kapcsolatai is. Ezek akkor érdemesek, ha a webhelyen az adott tartalomtípus fontos forgalmi forrás, vagy ha a nyelvi változatok jelölését a lapok forráskódjában nehéz karbantartani.

Döntési szabály: melyik módszer kell

Néhány tucat lap, ritka változás, jó belső linkelés: a tartalomkezelő alapértelmezett sitemapje elég, csak a kizárásokat kell beállítani.
Több ezer lap, rendszeres új tartalom: típusonként bontott sitemap index, automatikus frissítés.
Gyorsan változó készlet, elfogyó termékek, lejáró hirdetések: adatbázisból generált sitemap, amely ugyanazt az indexelhetőségi logikát követi, mint a lapok.

Gyakori hibák

A sitemap hibái ritkán látványosak. A fájl betöltődik, a Search Console „Sikeres" állapotot mutat, közben a lista fele olyan URL, amely nem kellene oda. Az alábbi hibák a leggyakoribbak, és mindegyik abból fakad, hogy a sitemap és a webhely tényleges állapota elcsúszik egymástól.

Nem indexelhető URL-ek a listában

A legtöbb probléma innen ered. A sitemapben átirányított címek, 404-es lapok, noindex jelölésű oldalak vagy más lapra kanonizált változatok szerepelnek. Ez ellentmondó jelzés: a sitemap azt mondja, a lap fontos, a lap maga azt, hogy ne indexeld. A kereső ilyenkor nem a sitemapnek hisz, és egy idő után a sitemap egészét kevésbé veszi komolyan. Ha a listában átirányított címek maradnak, az a 301 átirányítás után elmaradt karbantartás jele. A kanonikus eltérésekről a canonical útmutató ír részletesen.

Hamis lastmod érték

Sok rendszer a lastmod mezőbe a sitemap generálásának idejét írja, nem a lap tényleges módosításáét. Így minden lap minden nap frissnek látszik. A kereső ezt felismeri, és a lastmod jelzést figyelmen kívül hagyja. A helyes lastmod akkor változik, amikor a lap fő tartalma érdemben megváltozik; egy lábléc vagy egy oldalsáv frissítése nem ilyen.

Rossz protokoll, domain vagy URL-forma

A sitemapben szereplő URL-eknek pontosan egyezniük kell a lapok kanonikus címével: https vagy http, www vagy anélkül, záró perjellel vagy anélkül. Ha a webhely https-re és www nélküli alakra állt át, de a sitemap még a régi formát sorolja, minden bejegyzés egy átirányításra mutat.

Egyéb gyakori hibák

A sitemapet tiltja a robots.txt, vagy a fájl csak bejelentkezés után érhető el.
A fájl érvénytelen XML, például escape nélküli & jel miatt.
Paraméteres, szűrt vagy rendezett változatok kerülnek a listába, lásd az URL-paraméterek és a faceted navigation útmutatót.
A sitemap egy tesztkörnyezet vagy régi domain URL-jeit tartalmazza.
Árva lapok: a lap csak a sitemapben szerepel, belső link nem mutat rá. A sitemap ezt nem gyógyítja, a belső linkelést kell rendbe tenni.

Tévhit: a sitemap javítja a rangsorolást

A sitemap nem rangsorolási tényező. Egy lap attól, hogy szerepel benne, nem kerül előrébb, és a priority mező magas értéke sem emel meg semmit. A sitemap a felfedezést és a feltérképezést segíti. Ha egy lap indexelve van, de rosszul teljesít, annak oka a tartalomban, a szándékhoz illeszkedésben vagy a belső linkelésben keresendő, nem a sitemapben.

Mérés

A sitemap állapotát két szinten érdemes mérni: maga a fájl rendben van-e, és a benne szereplő URL-ek közül mennyi kerül be ténylegesen az indexbe. Az első technikai kérdés, a második a webhely egészségének egyik legjobb mutatója.

Search Console Sitemapek jelentés

Itt látszik, hogy a kereső sikeresen le tudta-e tölteni és fel tudta-e dolgozni a fájlt, mikor olvasta utoljára, és hány URL-t talált benne. Ha a fájl hibás, a jelentés megmutatja a hiba típusát. Sitemap index esetén a gyermekfájlok külön is megjelennek.

Oldalindexelés jelentés sitemap szerint szűrve

A Search Console oldalindexelési jelentésében szűrhetsz a beküldött sitemapekben szereplő oldalakra, vagy egy konkrét sitemap fájlra. Ez mutatja meg, hogy a beküldött URL-ek közül mennyi indexelt, és a többi miért nem az. Ha a nem indexelt okok között sok az átirányítás, a 404 vagy a noindex, az a sitemap tisztaságának hibája. Ha a „Feltérképezve, jelenleg nincs indexelve" jellegű okok dominálnak, az inkább tartalmi vagy minőségi kérdés.

Saját ellenőrzés feltérképezővel

Egy SEO feltérképező eszközzel letöltheted a sitemap összes URL-jét, és lekérdezheted az állapotkódjukat, a robots meta tagjukat és a kanonikus címüket. Így kiderül, hány bejegyzés nem 200-as, hány noindex, hány mutat más kanonikusra. A másik irányú összevetés is hasznos: a feltérképezés során talált indexelhető lapok közül melyik hiányzik a sitemapből.

Kidolgozott példa 1: webáruház elfogyott termékekkel

Egy webáruház sitemapjét a tartalomkezelő generálta, és minden valaha felvett terméket tartalmazott. Az elfogyott termékek lapjai egy idő után a kategóriaoldalra irányítottak át. A Search Console-ban a sitemap szerint szűrt indexelési jelentés azt mutatta, hogy a beküldött URL-ek jelentős része „Átirányítást tartalmazó oldal" állapotú. A javítás az volt, hogy a sitemap generálása ugyanarra a feltételre épült, mint a termék láthatósága: ami nem aktív, nem kerül a listába. Ezután a jelentésben a nem indexelt okok között már főleg tartalmi kérdések maradtak, amelyekkel külön lehetett foglalkozni.

Kidolgozott példa 2: blog hamis frissítési dátumokkal

Egy tartalmas blog minden bejegyzése minden nap új lastmod dátumot kapott, mert a sitemap-generátor a fájl előállításának idejét írta be. Az új cikkek feltérképezése lassúnak tűnt. A javítás után a lastmod a cikk utolsó szerkesztésének idejét mutatta, így a friss és a régi, változatlan cikkek szétváltak. Ez önmagában nem gyorsít garantáltan, de visszaadja a lastmod jelzés értelmét, és a kereső újra használhatja.

Ellenőrzőlista

A sitemap elérhető, 200-as választ ad, érvényes XML.
A robots.txt tartalmazza a sitemap abszolút URL-jét, és nem tiltja a fájlt.
A sitemap be van küldve a Search Console-ba, és a jelentés sikeres feldolgozást mutat.
Minden bejegyzés 200-as, indexelhető, önmagára kanonizált URL.
Az URL-forma egyezik a kanonikus alakkal (protokoll, domain, perjel).
A lastmod a tényleges tartalmi módosítást követi.
Egy fájl sem lépi túl a protokoll korlátait, nagy webhelyen sitemap index van.
Az oldalindexelési jelentés sitemap szerint szűrve nem mutat technikai kizárási okokat tömegesen.

Kapcsolódó részletes útmutatók

X-Robots-Tag: teljes útmutató