Um mapa do site, ou sitemap, é um ficheiro que lista os URLs acessíveis de um site. Existe em duas formas principais: o sitemap XML, destinado aos motores de busca, e o mapa do site HTML, concebido para a navegação dos utilizadores. Compreender a estrutura deste ficheiro permite localizar uma informação específica em poucos segundos, mas também identificar o que falta ou deixou de funcionar num site.
Sitemap XML e mapa do site HTML: dois ficheiros, duas utilizações distintas
O sitemap XML é um ficheiro técnico, legível pelos robôs de rastreamento do Google ou do Bing. Contém uma lista de URLs acompanhados de metadados, como a data da última modificação. Este ficheiro não se destina diretamente aos visitantes: quando aberto, apresenta linhas de código.
Já o mapa do site HTML é uma página web normal. Apresenta as secções e subseções de um site sob a forma de links clicáveis, organizados por tema. Para quem procura uma informação específica, é o mapa HTML que permite aceder rapidamente às diferentes secções sem recorrer ao motor de pesquisa interno.
Quando um site desportivo reúne centenas de páginas (fichas de produtos, guias, categorias), o mapa completo do site permite visualizar toda a estrutura e aceder diretamente à secção pretendida.
Identificar páginas em falta ou desatualizadas através do sitemap
A maioria dos artigos sobre sitemaps limita-se a explicar como os encontrar ou enviar aos motores de busca. Para quem gere um site, a utilização mais prática consiste em comparar o conteúdo do sitemap com as páginas realmente acessíveis.
Um URL listado no sitemap que devolve um erro 404 indica uma página eliminada ou movida sem redirecionamento. Já uma página que não consta do sitemap corre o risco de nunca ser rastreada pelos robôs de indexação.
Verificar a coerência entre o sitemap e o site real
Abrir o ficheiro sitemap XML (geralmente acessível em /sitemap.xml) permite consultar a lista completa dos URLs declarados. Ao cruzar esta lista com uma ferramenta de rastreamento, é possível identificar três situações problemáticas:
- URLs presentes no sitemap, mas inacessíveis (páginas com erros, redirecionamentos quebrados, conteúdos removidos sem atualização do ficheiro)
- Páginas publicadas no site, mas ausentes do sitemap e, por isso, potencialmente invisíveis para os motores de busca
- URLs com uma etiqueta lastmod desatualizada, cuja data de modificação não corresponde a nenhuma alteração real do conteúdo
Este último ponto merece atenção. O Google pode utilizar o valor lastmod para dar prioridade ao rastreamento de páginas modificadas recentemente. Alterar esta data sem que o conteúdo tenha mudado acaba por tornar o sinal menos fiável aos olhos do motor de busca.
Metadados a ignorar num sitemap XML
As etiquetas priority e changefreq ainda aparecem em muitos ficheiros sitemap. O Google não as tem em conta. A sua presença não afeta a frequência de rastreamento nem o posicionamento das páginas. Para o processamento do ficheiro, só contam os URLs e as datas reais de modificação.
Como localizar o sitemap de um site
Antes de utilizar um mapa do site, é preciso encontrá-lo. Os caminhos variam consoante o CMS utilizado e a configuração do site.
- O ficheiro robots.txt (acessível em /robots.txt) contém frequentemente uma linha “Sitemap:” que indica o URL exato do ficheiro XML
- Os CMS mais comuns (WordPress, Shopify, Wix) geram automaticamente um sitemap em localizações padronizadas, como /sitemap_index.xml ou /sitemap.xml
- A Google Search Console apresenta os sitemaps enviados pelo proprietário do site, com o número de URLs detetados e o respetivo estado de indexação
- Em último recurso, uma pesquisa no Google com o operador site:domaine.com filetype:xml pode encontrar o ficheiro
Limitações do sitemap: o que o ficheiro não garante
Enviar um sitemap ao Google não garante o rastreamento nem a indexação dos URLs que contém. Uma submissão processada com sucesso significa que o ficheiro foi lido, não que o robô de rastreamento irá visitar todas as páginas.
Um ficheiro sintaticamente válido pode listar páginas bloqueadas pelo robots.txt, URLs redirecionados ou páginas duplicadas com uma etiqueta canónica que aponta para outro endereço. A validação técnica do sitemap não substitui a verificação, página a página, do estado real dos URLs.
Para sites de grandes dimensões, o Google impõe um limite de 50 000 URLs ou 50 MB não comprimidos por ficheiro sitemap. Acima desse limite, o ficheiro tem de ser dividido em vários sitemaps, agrupados num índice de sitemaps. Um ficheiro demasiado pesado ou mal dividido corre o risco de ser parcialmente ignorado.
O mapa do site, seja XML ou HTML, continua a ser uma ferramenta de navegação e diagnóstico. Utilizado como uma fotografia da estrutura de um site, revela tanto as páginas existentes como aquelas que deveriam existir. Da próxima vez que uma página parecer impossível de encontrar num site, verificar o sitemap antes de iniciar uma pesquisa pode muitas vezes poupar tempo ou confirmar que o conteúdo simplesmente desapareceu.
