Controllo della sitemap XML

Una sitemap XML è un elenco di indirizzi: dice a un motore quali pagine del tuo sito esistono e, se vuoi, quando sono cambiate l'ultima volta. Non è una richiesta di indicizzazione e non è una garanzia: è un suggerimento su dove guardare.

Serve moltissimo in tre casi. Quando il sito è grande e i crawler non riuscirebbero a percorrerlo tutto seguendo i link. Quando il sito è nuovo e ha pochi link in entrata, quindi nessuno ci arriva da fuori. E quando alcune pagine sono raggiungibili solo attraverso un filtro o un motore di ricerca interno, cioè sono orfane nella struttura dei link. Se hai un sito di trenta pagine tutte linkate dal menu, la sitemap non ti cambierà la vita: falla comunque, costa niente, ma non aspettarti niente.

Il vero valore è diagnostico, ed è la parte che quasi nessuno usa. La sitemap è la lista delle pagine che tu dici di avere. Search Console ti dice quante ne ha indicizzate. La differenza fra i due numeri è la domanda più utile che puoi farti sul tuo sito: se dichiari ottocento URL e ne risultano indicizzate duecento, non hai un problema di sitemap — hai seicento pagine che qualcuno ha guardato e deciso di lasciare fuori.

Le regole formali sono poche e sono dure: 50.000 URL e 50 MB non compressi per singolo file, e tutte le URL devono stare sullo stesso host della sitemap. Superato uno dei due limiti, il file va spezzato e i pezzi dichiarati in un indice di sitemap, che è un file XML che invece di URL contiene altre sitemap.

La regola dell'host è quella che rompe più installazioni. Una sitemap servita su www.esempio.it non può dichiarare URL su esempio.it senza www, e viceversa: per un motore sono due host diversi, e quelle URL vengono ignorate in blocco. Lo stesso vale per il misto http e https: se il sito gira in https e la sitemap elenca indirizzi http, ogni URL costa un redirect e stai indicando la versione che vorresti far sparire.

Poi c'è l'XML in sé. Un file XML malformato non viene letto a metà: viene rifiutato. Basta una e commerciale scritta & invece di & dentro un indirizzo con parametri per far fermare il parser a quella riga, e tutto quello che viene dopo non lo legge nessuno. È il motivo per cui controlliamo la buona formazione del file prima di ogni altra cosa e ti diciamo a quale riga si rompe.

Il tag <lastmod> dice quando la pagina è cambiata l'ultima volta, ed è l'unico campo della sitemap che i motori dichiarano di usare davvero — a una condizione: che sia vero. Priorità e frequenza di cambio, gli altri due tag che trovi in giro nei template, Google ha detto pubblicamente di ignorarli.

Il formato va scritto secondo ISO 8601, cioè 2026-09-10 oppure 2026-09-10T14:30:00+02:00 con il fuso orario. Una data scritta all'italiana, 10/09/2026, non è una data: è testo, e viene buttata via insieme al segnale che volevi mandare.

I due modi in cui il lastmod si ritorce contro sono sempre gli stessi. Il primo è la data nel futuro: succede quando la genera un sistema con l'orologio sbagliato o una pianificazione editoriale, e una pagina modificata domani non esiste. Il secondo, più comune, è la data identica su tutte le URL, aggiornata a ogni pubblicazione del sito: dice che è cambiato tutto quando non è cambiato niente. Quando un motore si accorge che le tue date non corrispondono a modifiche reali, smette di fidarsi di tutto il file — e a quel punto avere il lastmod è peggio che non averlo.