Sitemap

Hva det er

Et sitemap er en fil et nettsted publiserer om seg selv, med
adressene eieren vil at søkemotorene skal kjenne til: én oppføring
per side, og et par valgfrie opplysninger knyttet til hver. Ordet er
lånt rett fra engelsk og brukes i begge kjønn, sitemapen og
sitemapet. Filen finnes fordi en søkerobot ellers lærer et nettsted
å kjenne den langsomme veien, ved å følge lenker fra sider den
allerede vet om, og noen sider ligger ytterst i en lang kjede av
lenker eller har knapt noen lenker inn i det hele tatt.

Formatet de store søkemotorene deler, er Sitemaps-protokollen,
publisert på sitemaps.org. I XML-versjonen pakkes listen inn i et
`<urlset>`-element med ett `<url>` per side. Inni det holder `<loc>`
den fullstendige adressen, og det er det eneste underelementet som
er påkrevd. `<lastmod>` er datoen siden sist ble endret,
`<changefreq>` en gjetning på hvor ofte den kommer til å endres, og
`<priority>` en verdi fra 0,0 til 1,0 som rangerer siden mot
nettstedets egne andre sider og aldri mot noen andres. Protokollen
godtar også en ren tekstfil med én adresse per linje, eller en RSS-
eller Atom-feed.

Protokollen setter faste grenser. Én fil holder høyst 50 000
adresser og 50 MB ukomprimert, kan komprimeres med gzip og må være
UTF-8 med spesialtegn kodet som XML-entiteter, og hver adresse
holder seg under 2 048 tegn. Et større nettsted deler listen opp og
publiserer en sitemapindeks, en egen filtype som navngir opptil 50
000 sitemap-filer på det samme nettstedet. Et sitemap kan dessuten
bare liste adresser på eller under sin egen plassering: en fil på
`/catalog/sitemap.xml` dekker sidene under `/catalog/` og stopper
ved kanten av den mappen.

En søkemotor får vite hvor filen ligger, på én av to måter. En
`Sitemap:`-linje i robots.txt oppgir den fullstendige adressen,
uavhengig av gruppene for hver user-agent, eller eieren sender den
inn gjennom søkemotorens egne verktøy, f.eks. Google Search Console.

Det samme ordet brukes også om en side med lenker for menneskelige
besøkende. På norsk heter den gjerne nettstedskart, og når
forskjellen betyr noe, sier folk «XML-sitemap» om filen som er
skrevet for programmer.

Hvorfor det er viktig

Googles dokumentasjon er åpen om begrensningene. Et nettsted der
sidene lenker ordentlig til hverandre, blir som regel funnet uten et
sitemap, og Google setter grensen for «lite» ved omtrent 500 sider
som skal vises i resultatene. Dokumentasjonen sier også at et
sitemap ikke garanterer at alt i det blir gjennomsøkt og indeksert,
og at det å sende det inn bare er et hint. Det hjelper mest på store
nettsteder, på nye nettsteder med få lenker fra andre steder, og på
nettsteder med mye video, bilder eller nyheter.

Nesten hver nettstedsgenerator skriver et sitemap gratis, så den
egentlige beslutningen er hva filen påstår, og hver oppføring er en
påstand en søkemotor kan sjekke mot selve siden.

Hvilke adresser hører hjemme der? Google ber om den kanoniske URL-en
til hver side. En liste fylt opp med videresendinger, duplikater
eller sider merket `noindex` ber om nøyaktig det resten av
nettstedet sier skal stå i fred.

Hvilke felt? Google sier at det overser `<priority>` og
`<changefreq>`. `<lastmod>` bruker Google bare når datoen er
konsekvent og etterprøvbart riktig, f.eks. når den stemmer med siste
endring på selve siden, og protokollen sier at datoen skal være den
dagen siden det lenkes til, sist ble endret, og ikke den dagen
sitemapet ble generert. Google regner en endring i hovedinnholdet,
de strukturerte dataene eller lenkene som vesentlig, og et nytt
årstall i linjen om opphavsrett som ubetydelig.

Det er der kostnaden ligger. En dato fra filsystemet er gratis og
som regel feil, fordi produksjonssettinger, eksporter og ferske
utsjekkinger rører filer der ordene er de samme. En dato fra
versjonshistorikken er ærlig, men da må bygget ha den historikken
tilgjengelig og lese den i riktig rekkefølge. En dato skrevet inn
for hånd er presis helt til noen glemmer å endre den.

Slik ser det ut i praksis

Filen robots.txt på dette nettstedet navngir én adresse,
`https://engineer.company/sitemap.xml`, og den filen er en
sitemapindeks som navngir sitemap-filene for de publiserte
språkutgavene. Hver sideoppføring har adressen og en dato, pluss
lenker til den samme siden i de andre publiserte oversettelsene.
Feltene `<priority>` og `<changefreq>` er utelatt, siden Google sier
at det overser begge, og protokollen krever ingen av dem. Da denne
artikkelen ble skrevet, så oppføringen for siden om AI-beredskap
slik ut, med språklenkene lagt til side:

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

Listen er selektiv med vilje. Selskapets fokuserte
satellittnettsteder publiserer arbeid herfra på nytt med en kanonisk
URL som peker tilbake, og den samme malen holder de kopiene utenfor
sitemapet til hver satellitt: en oppføring ber en søkemotor
indeksere nøyaktig den adressen, og å be om en kopi og samtidig
navngi en annen side som originalen ville motsi seg selv. Hver vert
melder bare sine egne sider.

Datoene har sin egen historie. På et tidspunkt fortalte sitemapet
søkemotorene at 172 av de 176 sidene var endret i samme øyeblikk.
Årsaken var hverdagslig: datoen kom fra endringstidspunktet til hver
fil, og innholdseksporten skriver om hver fil ved hver kjøring.
Rettelsen flyttet kilden til versjonshistorikken, med en
reservekjede som først prøver et eksplisitt felt, så
commit-historikken, så filen. Den hadde én felle det er verdt å
kjenne til: det bokstavelige feltnavnet må stå i den listen, ellers
leser generatoren det aldri. Etterpå berørte en ny synkronisering
etter en måned med endringer åtte filer av 186 i stedet for alle, og
sitemapet sier noe sant.

Den datoen gjør nå nytte også utenfor sitemapet. Som siden om å være
klar for AI-agenter beskriver, melder hver produksjonssetting fra om
hva som er endret via IndexNow, en protokoll som Bing og flere andre
søkemotorer er med i. Skriptet for produksjonssetting avgjør hva som
er endret ved å sammenligne `lastmod` for hver side med det det
sendte sist, så en produksjonssetting som endrer én side, melder én
side. Google står utenfor IndexNows egen liste over deltakende
søkemotorer, så Google får vite om endringen neste gang det leser
sitemapet. Den samme siden nevner vernet: bygget holder hver dato i
sitemapet opp mot sidens historikk og nekter å publisere når en av
dem er feil. For mennesker og ikke programmer finnes det også et
lesbart nettstedskart over hver side.

Hvor det går galt

Hver side påstår å være endret i dag. Sitemapet har én dato, eller
én per produksjonssetting, over hundrevis av sider, og en søkemotor
som leser det, lærer ingenting om hvilket arbeid som er nytt.
Årsaken er en dato hentet fra filsystemet eller fra klokken under
bygget. Google bruker `<lastmod>` bare når datoen er konsekvent og
etterprøvbart riktig, og et felles tidsstempel er synlig noe annet.
Hent datoen fra innholdets egen historikk, og sammenlign et utvalg
av oppføringene med den etter hver endring i bygget.

En liste som ber om sider nettstedet vil ha holdt utenfor.
Videresendinger, dupliserte adresser med sporingsparametere, sider
merket `noindex`, testverter og kopier der den kanoniske URL-en
peker et annet sted, havner alle i sitemaps skrevet av en generator
som lister hver fil den bygde. Hver av dem sender en søkerobot til
en adresse som siden selv deretter tar avstand fra. List bare den
kanoniske URL-en til hver side som er ment for resultatene, og la
sitemapet og den kanoniske taggen svare ut fra én regel, slik malene
på dette nettstedet gjør.

Oppføringer utenfor det filen har lov til å dekke. Et sitemap på
`/blog/sitemap.xml` lister sider fra nettbutikken, eller skriver
relative stier som `/page.html`. Protokollen begrenser en fil til
adresser på eller under dens egen mappe, og Google gjennomsøker
adressene nøyaktig slik de står. Publiser sitemapet i roten, skriv
hver `<loc>` som en fullstendig `https://`-adresse på samme vert, og
gå over til en sitemapindeks før listen nærmer seg 50 000
oppføringer eller 50 MB.

Sider som har stått på listen i månedsvis og fortsatt mangler i
indeksen. Eieren leser sitemapet som en instruks og venter. Google
kaller det et hint: en adresse på listen kan likevel bli hoppet over
eller slått sammen med et duplikat av grunner som ligger utenfor
filen. Se på siden i stedet for listen: om andre sider lenker til
den, om den kanoniske URL-en peker på siden selv, og om robots.txt
eller en `noindex`-regel holder søkeroboten unna.

Les mer

  * Sitemaps XML format — selve protokollen: hver tagg,
størrelsesgrensene, indeksfilene og hvilke adresser en fil har lov
til å liste.

  * Build and submit a sitemap — Googles regler, med taggene Google
overser og når en dato blir trodd.

  * Learn about sitemaps — når Google mener et nettsted trenger et
sitemap, og når god lenking holder.

  * IndexNow documentation — protokollen som forteller deltakende
søkemotorer om en endring samme dag som den går ut.

  * RFC 9309: Robots Exclusion Protocol — standarden for robots.txt,
som lar en søkerobot lese en `Sitemap:`-linje ved siden av reglene.

hDenne siden på nettet	URL:https://engineer.company/nb/glossary/sitemap/	engineer.company	70
