Sitemap

Hvad det er

Et sitemap er en fil, et website udgiver om sig selv: de adresser,
ejeren vil have søgemaskinerne til at kende, én post pr. side og
hver med nogle få valgfrie oplysninger. Filen findes, fordi en
crawler ellers lærer et site at kende på den langsomme måde, ved at
følge links fra sider, den allerede kender, og nogle sider ligger
for enden af en lang kæde af links eller har næsten ingen links ind.

Det format, de store søgemaskiner deler, er Sitemaps-protokollen fra
sitemaps.org. XML-udgaven pakker listen ind i et `<urlset>`-element
med én `<url>` pr. side. Indeni holder `<loc>` den fulde adresse og
er det eneste påkrævede felt. `<lastmod>` er datoen for sidens
seneste ændring, `<changefreq>` et gæt på, hvor ofte den vil ændre
sig, og `<priority>` en værdi fra 0,0 til 1,0, der rangerer siden
mod sitets egne andre sider og aldrig mod andres. Protokollen tager
også imod en ren tekstfil med én adresse pr. linje eller et RSS-
eller Atom-feed.

Protokollen sætter faste grænser. En fil rummer højst 50.000
adresser og 50 MB ukomprimeret, må pakkes med gzip og skal være
UTF-8 med escapede værdier, og hver adresse holder sig under 2.048
tegn. Et større site deler listen op og udgiver et sitemap-indeks,
en anden slags fil, der navngiver op til 50.000 sitemaps på samme
site. Et sitemap må desuden kun liste adresser på eller under sin
egen placering: en fil på `/catalog/sitemap.xml` dækker kun siderne
under `/catalog/`.

En søgemaskine finder filen på en af to måder. En `Sitemap:`-linje i
robots.txt giver dens fulde adresse uafhængigt af reglerne for de
enkelte crawlere, eller ejeren indsender den gennem søgemaskinens
egne værktøjer, for eksempel Google Search Console.

Ordet bruges også om en side med links til menneskelige besøgende;
når forskellen betyder noget, siger man »XML-sitemap« om den, der er
skrevet til programmer.

Hvorfor det betyder noget

Googles dokumentation er åben om grænserne. Et site, hvis sider er
ordentligt linket, kan som regel findes uden et sitemap, og Google
sætter grænsen for »lille« ved omkring 500 sider, der skal kunne
vises i resultaterne. Google skriver også, at et sitemap ikke
garanterer, at alt i det bliver crawlet og indekseret, og kalder en
indsendelse et hint og intet mere. Mest gavn gør det på store sites,
nye sites med få links udefra og sites med meget video, mange
billeder eller nyheder.

Næsten alle sitegeneratorer skriver et sitemap gratis, så den
egentlige beslutning er, hvad filen påstår, og hver post er en
påstand, som en søgemaskine kan holde op mod selve siden.

Hvilke adresser hører til? Google beder om hver sides kanoniske
adresse. En liste fyldt op med omdirigeringer, dubletter eller sider
markeret `noindex` beder om netop det, resten af sitet siger, at man
skal lade være.

Hvilke felter? Google siger, at den ignorerer `<priority>` og
`<changefreq>`. Den bruger kun `<lastmod>`, hvis datoen er
konsekvent og efterprøveligt korrekt, for eksempel når den
sammenlignes med sidens seneste ændring, og protokollen siger, at
datoen skal være den dag, siden sidst blev ændret, og ikke den dag,
sitemappet blev genereret. Google regner en ændring af
hovedindholdet, de strukturerede data eller linkene som væsentlig og
et nyt årstal i copyright-linjen som ubetydeligt.

Det er her, omkostningen ligger. En dato fra filsystemet er gratis
og som regel forkert, fordi udrulninger, eksporter og friske
checkouts rører filer, hvis tekst er den samme. En dato fra
versionshistorikken er ærlig, men så skal buildet have historikken
ved hånden og læse den i den rigtige rækkefølge. En dato skrevet i
hånden er præcis, indtil nogen glemmer at rette den.

Sådan ser det ud i praksis

Dette sites robots.txt nævner én adresse,
`https://engineer.company/sitemap.xml`, og den fil er et
sitemap-indeks, der navngiver sitemap-filerne for de offentliggjorte
sprogudgaver. Hver post for en side har adressen og en dato samt
links til den samme side i dens andre offentliggjorte oversættelser.
`<priority>` og `<changefreq>` er udeladt, fordi Google siger, at
den ignorerer begge, og protokollen kræver ingen af dem. Da denne
artikel blev skrevet, så posten for siden om AI-parathed sådan ud,
uden sproglinkene:

```xml
<url>
  <loc>https://engineer.company/da/ai-ready/</loc>
  <lastmod>2026-10-15T14:25:16+02:00</lastmod>
</url>
```

Listen er selektiv med vilje. Virksomhedens fokuserede satellitsites
genudgiver arbejde herfra med en canonical, der peger tilbage, og
den samme skabelon holder de kopier ude af hvert satellitsites
sitemap: en post beder om at få netop den adresse indekseret, og at
bede om en kopi og samtidig pege på en anden side som originalen
ville modsige sig selv. Hver vært melder kun sine egne sider.

Datoerne har deres egen historie. På et tidspunkt fortalte
sitemappet søgemaskiner, at 172 af dets 176 sider var ændret i samme
øjeblik. Årsagen var hverdagsagtig: datoen kom fra hver fils
ændringstidspunkt, og indholdseksporten omskriver hver fil ved hver
kørsel. Rettelsen flyttede kilden til versionshistorikken med en
prioriteret rækkefølge, der først prøver et eksplicit felt, så
commit-historikken, så filen. Én fælde er værd at kende: det
bogstavelige feltnavn skal stå på listen, ellers læser generatoren
det aldrig. Bagefter rørte en gensynkronisering efter en måneds
redigeringer otte filer af

186 i stedet for dem alle, og sitemappet siger noget sandt.

Den dato gør nu mere end at stå i sitemappet. Som siden om at være
klar til AI-agenter beskriver, melder hver udrulning ændringerne via
IndexNow, en protokol, som Bing og flere andre søgemaskiner er med
i. Udrulningsscriptet afgør, hvad der er ændret, ved at sammenligne
hver sides `lastmod` med det, det sidst sendte, så en udrulning, der
ændrer én side, melder én side. Google står ikke på IndexNows egen
liste over deltagende søgemaskiner og hører derfor om ændringen,
næste gang den læser sitemappet. Den samme side beskriver værnet:
kvalitetsporten holder hver sitemap-dato op mod sidens historik og
nægter at udgive, når en af dem er forkert. Til mennesker frem for
programmer findes også et læsbart indeks over hver side.

Hvor det går galt

Hver side påstår at være ændret i dag. Sitemappet har én dato, eller
én pr. udrulning, på tværs af hundredvis af sider, og en
søgemaskine, der læser det, lærer intet om, hvilket arbejde der er
nyt. Årsagen er en dato fra filsystemet eller buildets ur. Google
bruger kun `<lastmod>`, når datoen er konsekvent og efterprøveligt
korrekt, og et fælles tidsstempel er synligt ikke det. Hent datoen
fra indholdets egen historik, og hold et udsnit af posterne op mod
den efter hver ændring af buildet.

Listen beder om sider, sitet vil holde ude. Omdirigeringer,
dubletter med sporingsparametre, sider markeret `noindex`,
staging-værter og kopier, hvis kanoniske adresse peger et andet sted
hen, havner i sitemaps fra en generator, der lister hver fil, den
har bygget. Hver af dem sender en crawler til en adresse, som siden
selv derefter fornægter. List kun den kanoniske adresse for hver
side, der skal kunne vises i resultaterne, og lad sitemappet og
canonical-tagget svare ud fra én regel, sådan som dette sites
skabeloner gør.

Poster ligger uden for det, filen må dække. Et sitemap på
`/blog/sitemap.xml` lister butikssider eller skriver relative stier
som `/page.html`. Protokollen begrænser en fil til adresser på eller
under dens egen mappe, og Google crawler adresser præcis, som de
står. Udgiv sitemappet i roden, skriv hver `<loc>` som en fuld
`https://`-adresse på samme vært, og skift til et sitemap-indeks,
før listen nærmer sig 50.000 poster eller 50 MB.

Sider, der har stået på listen i månedsvis, kommer ikke i indekset.
Ejeren læser sitemappet som en ordre og venter. Google kalder det et
hint: en listet adresse kan stadig blive sprunget over eller lagt
sammen med en dublet af grunde, der ligger uden for filen. Se på
siden frem for listen: om andre sider linker til den, om dens
canonical peger på den selv, og om robots.txt eller en
`noindex`-regel holder crawlere væk.

Læs mere

  * Sitemaps XML format — selve protokollen: hvert tag,
størrelsesgrænserne, indeksfiler og hvilke adresser en fil må liste.

  * Build and submit a sitemap — Googles regler, herunder de tags
den ignorerer, og hvornår den stoler på en dato.

  * Learn about sitemaps — hvornår Google mener, et site har brug
for et, og hvornår god linkstruktur er nok.

  * IndexNow documentation — protokollen, der fortæller de
deltagende søgemaskiner om en ændring samme dag, den går i luften.

  * RFC 9309: Robots Exclusion Protocol — standarden for robots.txt,
som lader en crawler læse en `Sitemap:`-linje ved siden af reglerne.

hDenne side på nettet	URL:https://engineer.company/da/glossary/sitemap/	engineer.company	70
