Saltar para o conteúdo

Armel Silvère Dongou

Finance, écriture et entrepreneuriat

Como usar um sitemap para rastrear um site com eficiência?

Um sitemap lista os URLs de um site num ficheiro estruturado, geralmente no formato XML. Os motores de busca leem-no para…

Femme analysant un sitemap imprimé sur un bureau en bois dans un bureau à domicile moderne

Um sitemap lista os URLs de um site num ficheiro estruturado, geralmente no formato XML. Os motores de busca leem-no para descobrir páginas, mas, para os utilizadores, esse mesmo ficheiro torna-se uma ferramenta de exploração: permite mapear um site, identificar as suas principais secções e avaliar a diferença entre o que está publicado e o que é realmente acessível através da navegação.

Sitemap XML, HTML e TXT: o que cada formato revela sobre um site

Nem todos os sitemaps fornecem a mesma informação. A escolha do formato determina o que é possível extrair durante uma exploração.

Formato Destinatário principal Dados que podem ser utilizados Limitações para a exploração
XML Motores de busca (Google, Bing) URL, data da última modificação (lastmod), extensões para imagens/vídeos Nem sempre inclui páginas órfãs ou recursos bloqueados pelo robots.txt
HTML Visitantes Estrutura visível do site, links clicáveis para cada secção Muitas vezes incompleto em sites de grande dimensão e atualizado manualmente
TXT Motores de busca Lista simples de URLs, um por linha Sem metadados (sem data nem prioridade)

O formato XML continua a ser o mais útil para uma exploração metódica. Fornece a data lastmod, que — quando reflete uma alteração real — permite ordenar as páginas por atualidade. O Google afirma utilizar esta data quando ela corresponde de forma consistente a uma alteração efetiva do conteúdo.

Por outro lado, as etiquetas changefreq e priority não são consideradas pelo Google. Tratá-las como indicadores fiáveis distorceria a análise. Já um sitemap TXT fornece apenas uma lista de endereços, sem contexto: serve como ponto de partida, não como ferramenta de auditoria.

Programador web de pé diante de um quadro branco com um sitemap desenhado à mão num escritório de uma startup

Comparar o sitemap com as páginas realmente acessíveis

A forma mais produtiva de utilizar um sitemap não é lê-lo passivamente. O objetivo é compará-lo com outras fontes de dados para identificar discrepâncias.

Ao cruzar os URLs de um sitemap XML com os descobertos por um crawl interno (Screaming Frog, Xenu ou qualquer outra ferramenta), é possível identificar dois tipos de problemas. Primeiro, as páginas incluídas no sitemap, mas ausentes da malha de links internos: esses URLs existem, mas nenhum link de navegação aponta para eles. Depois, as páginas ligadas no site, mas ausentes do sitemap, o que pode indicar uma omissão na declaração ou um ficheiro gerado incorretamente.

Para ilustrar este método, o sitemap da Europe Entreprises mostra como um diretório online organiza os seus URLs por categorias e subdomínios, facilitando a leitura da estrutura antes mesmo de percorrer o site.

Na Google Search Console, o relatório de sitemaps indica se o ficheiro foi lido e quantos URLs contém. Em seguida, o relatório de indexação permite analisar os URLs enviados que não estão indexados e consultar os motivos indicados. Esta comparação transforma o sitemap numa ferramenta de diagnóstico, e não numa simples declaração.

As discrepâncias mais frequentes e o que significam

  • URL no sitemap, mas não indexado, com a indicação “Discovered – currently not indexed”: o Google conhece a página, mas ainda não a considerou relevante para exploração. Muitas vezes, a causa é uma malha de links internos demasiado fraca para essa página.
  • URL indexado, mas ausente do sitemap: a página foi descoberta através dos links, mas não está referenciada no ficheiro XML. É provável que o sitemap esteja desatualizado ou tenha sido gerado com filtros demasiado restritivos.
  • URL no sitemap que devolve um erro 404 ou um redirecionamento 301: o ficheiro não foi atualizado após a eliminação ou a deslocação de conteúdo. Cada URL com erro desperdiça o orçamento de crawl atribuído ao site.

Exploração especializada: imagens, vídeos e versões multilingues no sitemap

O protocolo sitemap XML aceita extensões que ampliam a cobertura do ficheiro para além das páginas convencionais. As extensões para imagens e vídeos declaram recursos que os motores de busca nem sempre descobririam ao percorrer apenas o código HTML.

Um sitemap de imagens associa cada elemento visual ao URL da página onde está alojado. Num site de comércio eletrónico ou num portefólio, verificar esta extensão permite saber se as imagens dos produtos estão devidamente declaradas ou se permanecem invisíveis para o Google Images.

A extensão hreflang, por sua vez, lista as correspondências entre as versões linguísticas de uma mesma página. Num site multilingue, explorar o sitemap hreflang permite identificar rapidamente incoerências: uma página francesa que aponta para uma versão inglesa que já não existe ou uma versão espanhola esquecida na declaração.

Mãos sobre um teclado mecânico com um ficheiro sitemap XML aberto num editor de código num ecrã ultrawide

Verificar a coerência técnica do ficheiro XML

Antes de utilizar um sitemap para a exploração, é necessário garantir que o ficheiro é válido. Um sitemap malformado (etiqueta por fechar, codificação incorreta, URL relativo em vez de absoluto) será ignorado pelos motores de busca e comprometerá qualquer análise manual.

  • Cada URL deve ser absoluto e começar pelo protocolo (https://). Os URLs relativos não estão em conformidade com a norma sitemaps.org.
  • O ficheiro não pode ultrapassar o limite de 50 000 URLs por sitemap individual. Acima desse limite, um índice de sitemaps divide a lista em vários ficheiros.
  • A declaração no ficheiro robots.txt (linha Sitemap: seguida do URL do ficheiro) garante que os motores de busca o encontram sem recorrer à Search Console.

Sitemap e malha de links internos: duas ferramentas complementares, não intercambiáveis

Um erro comum é pensar que um sitemap completo dispensa uma malha de links internos sólida. O sitemap indica que uma página existe, mas não a torna importante. O Google descobre um URL graças ao sitemap, mas avalia a sua relevância com base nos links internos que apontam para ele, no conteúdo que oferece e na sua profundidade na arquitetura do site.

Uma página incluída no sitemap, mas acessível apenas após quatro cliques a partir da página inicial e sem links contextuais de outros conteúdos, continua a ter pouco valor. O sitemap resolve um problema de descoberta, não um problema de estrutura.

Por isso, a exploração de um site através do sitemap deve ser sempre complementada pela análise da malha de links internos. Um sitemap organizado, atualizado e tecnicamente válido continua a ser o ponto de partida mais fiável para compreender o que um site pretende mostrar aos motores de busca — e o que se esquece de lhes mostrar.

Como usar um sitemap para rastrear um site com eficiência?