sitemap.xml の作り方

サイトマップとは

サイトマップ (sitemap.xml) とは、サイト上のページや動画などのファイルについての情報や関係を、検索エンジンに伝えるためのファイルです。Web サイトの全体像を HTML 形式でまとめたコンテンツもサイトマップと呼びますが、本ページでは扱いません。本ページでは検索エンジン向けに XML 形式でまとめたサイトマップ (sitemap.xml) について解説します。

Google などの検索エンジンは、このファイルを読み込んで、より高度なクロールを行います。サイトマップはサイト内のどのファイルが重要かをクローラに伝えるだけでなく、重要なファイルについての貴重な情報（ページの最終更新日、ページの変更回数、すべての代替言語ページなど）も提供します。

Web サイトが検索エンジンのインデックスに登録されるためには、Google や Yahoo! などの検索エンジンのクローラにクロール (巡回) してもらう必要があります。検索エンジンは、Web ページのリンクをもとにクロールしていますが、サイトマップを登録すればクローラに効率よくクロールしてもらえます。なぜなら、サイトマップは Web ページの階層情報もリスト化しているため、Web サイトの構造をクローラに伝えることができるためです。ただし、Web ページの階層構造は、サイトマップに頼らなくてもユーザやクローラが迷わずにすむようにシンプルで巡回しやすいように設計しましょう。

サイトマップに書かれている情報は、ページのURL、最終更新日、更新頻度、ページの優先度などです。URL 以外の情報は URL のメタデータと呼ばれ、XML 形式で定義されます。この XML ファイルを Google など検索エンジンに登録することで、クローラは XML に定義された各 Web ページをクローリングします。

ただし、サイトマップに記載されている Web ページが必ずインデックスに登録されるわけではありません。逆に、サイトマップに記載されていない Web ページがインデックスに登録される場合もあります。サイトマップは、あくまでクローラに対して Web サイトの情報を伝えるためのファイルであり、インデックスに登録するかの最終的な判断は検索エンジンが行います。

それでは、実際にサイトマップがどのようなものか見てみましょう。

<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://murashun.jp/index.html</loc>
    <lastmod>2010-01-01</lastmod>
    <changefreq>monthly</changefreq>
    <priority>1.0</priority>
  </url>
</urlset>

4 行目にWebページのURLが記載されており、5 ～ 7 行目に付随するメタデータが書かれています。具体的なサイトマップの構造は次章で詳しく説明します。

サイトマップの構造

サイトマップは XML 形式で定義されています。使用できるタグや、タグの親子関係は決められており、非常にシンプルな構造となっています。

<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
        xmlns:video="http://www.google.com/schemas/sitemap-video/1.1">
        
  <url> 
    <loc>動画を掲載したページの URL</loc>
    <video:video>
      <video:thumbnail_loc>サムネイル画像の URL</video:thumbnail_loc> 
      <video:title>動画のタイトル</video:title>
      <video:description>動画の説明</video:description>
      <video:content_loc>動画ファイルの URL</video:content_loc>
      <video:player_loc>動画プレイヤーの URL</video:player_loc>
      <video:duration>動画の長さ (0～28800 秒)</video:duration>
      <video:rating>動画の評価 (0.0～5.0)</video:rating> 
      <video:view_count>動画が再生された回数</video:view_count>
      <video:publication_date>動画の公開日時</video:publication_date>
      <video:category>動画のカテゴリ</video:category>
      <video:uploader>動画のアップロード者</video:uploader>
      <video:live>動画がライブストリームかを yes / no で指定</video:live>
    </video:video> 
  </url>
  
</urlset>

サイトマップの拡張

サイトマップには、URL 情報に加えて、画像、動画、モバイル、ニュースのコンテンツを定義できます。それらの拡張機能を利用する場合は、コンテンツのタイプに合わせたネームスペースを <urlset> の属性として定義します。

各コンテンツにおけるサイトマップの詳細は Google Search Console のヘルプをご確認下さい。

文字コードとエスケープ処理

サイトマップの文字コードは、UTF-8 にする必要があります。また、以下の文字はエスケープ文字に変換して記述します。

サイトマップの上限と分割

サイトマップの <url> タグの数と、ファイルサイズには上限があり、上限を超える場合はサイトマップを分割する必要があります。<url> タグの上限数は 50,000 個まで、ファイルサイズは 10 MB 以下となります。検索エンジンのクローラは、サイトマップを gzip 形式で圧縮した形式でも読み取ってくれるため、gzip 形式に圧縮してファイルサイズを抑えることもできます。

サイトマップを分割した場合、サイトマップのインデックスファイルを作成します。サイトマップのインデックスファイルの構造は、各サイトマップの保存先を定義するシンプルな構造になっています。

<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">

  <sitemap>
    <loc>https://murashun.jp/sitemap1.xml.gz</loc>
    <lastmod>2010-01-01</lastmod>
  </sitemap>

  <sitemap>
    <loc>https://murashun.jp/sitemap2.xml.gz</loc>
    <lastmod>2010-02-01</lastmod>
  </sitemap>

</sitemapindex>

サイトマップの保存先

サイトマップは、最上位のディレクトリに保存するのが一般的です。

サイトマップに記述できる URL は、サイトマップが保存されたディレクトリと同一階層、または配下の階層になります。例えば、サイトマップを https://murashun.jp/contents/sitemap.xml に保存した場合、 https://murashun.jp/contents/ から始まるURLは記述できますが、 https://murashun.jp/blog/ から始まるURLは記述できません。

Webサイトがサイトマップを分割するほど大規模でなければ、最上位の階層にサイトマップを保存します。もしもサイトマップを分割する場合は、サイトマップのインデックスファイルを最上位の階層に保存し、各サイトマップを適切な階層に保存するなど、スケーラビリティを考慮したファイル配置を検討します。

検索エンジンのクローラにサイトマップの保存先を伝える

検索エンジンのクローラにサイトマップの保存先を伝えるには robots.txt に記述します。

User-agent: *

Sitemap:https://murashun.jp/sitemap.xml.gz

robots.txt には以下ように記述することで、クローラにサイトマップの保存先を伝えています。また、サイトマップを分割している場合は、"Sitemap:" にサイトマップのインデックスファイルを記述するか、複数行記述します。

User-agent: *

Sitemap:https://murashun.jp/blog/sitemap-index.xml.gz
Sitemap:https://murashun.jp/contents1/sitemap.xml.gz
Sitemap:https://murashun.jp/contents2/sitemap.xml.gz

上記以外にも手動で検索エンジンに伝える方法があります。手動で伝える場合は、検索エンジンの送信インターフェースを利用するか、HTTP リクエストを利用します。

検索エンジンの送信インターフェースを利用する

Googleは、Google Search Console サービスを提供しており、その中のサイトマップから送信できます。

外部リンク

• サイトマップの作成と送信 - Search Console ヘルプ
  https://support.google.com/webmasters/answer/183668?hl=ja

まとめ

サイトマップは絶対に必要というわけではありませんが、適切にクローリングをされるためには作成した方が良いでしょう。また、サイトマップや robots.txt などにエラーが発生していないかなどは、定期的に Google Search Console を確認して Web サイトの健全な運用を心がけましょう。