站点地图条数和抓取报表对不上时，先查生成还是提交

站点地图里的条数和抓取报表对不上时，应该先查生成侧还是提交侧？答案是先查生成、再查提交： sitemap 文件本身的问题（分片遗漏、lastmod 失真、非规范地址混入）会让后面所有引擎数据都失真，而提交侧的问题（引擎是否读取、主动推送是否跟上、robots 声明是否一致）通常在生成正确之后才值得排查。顺序反过来，会把一个文件 bug 误诊成「引擎不收你的站」。

两个数各自统计的是什么

先对齐口径：站点地图条数统计的是「你声称有多少个该被抓的 URL」，抓取与收录报表统计的是「引擎实际抓了多少、认为值得收多少」。两者天然不相等——地图里可以有引擎已经处理过、判定重复或低价值的地址；报表里也可能出现地图没列却被发现的页面。健康的排查目标不是把两个数硬掰成一样，而是确认差距的结构：是地图远多于抓取（生成侧混入垃圾地址的嫌疑），还是抓取远多于地图（站点可被抓取但索引覆盖失控，提交声明没跟上）。

先查生成侧：分片、lastmod 与规范地址

三件事按序查。第一，分片与索引文件：站点数量大时 sitemap 会拆成多个子图加一个索引文件，新站最常见的坑是索引清单漏挂子图——手工核对一遍总数与子图清单的加和。安企 CMS 支持 Sitemap 自动生成，生成逻辑按内容模型与发布时间覆盖文档，升级或迁移后重点抽查新栏目是否进了清单。第二，lastmod：如果每条的 lastmod 都等于生成时间，引擎会把整站当成「同时大改」，增量抓取策略失效；正确口径是取内容的真实修改时间。第三，规范地址：地图里应当只放 200 状态的规范 URL，带跳转的旧地址（301 重定向承接的历史路径）、带跟踪参数的地址、http 与 https 双份，都是「条数虚高」的常见来源——跳转映射交给 301 管理处理，地图里只留终点。

再查提交侧：提交、推送与声明

生成侧干净后，看引擎有没有真的读到：站长平台里 sitemap 的提交记录与最近读取时间是否新鲜；robots.txt 中的站点地图声明是否指向当前这份文件——robots 配置和实际提交的地址不一致时，按声明来抓的爬虫会找错文件。收录增量慢不等于 sitemap 失效，新页面进图与引擎抓取之间本来有队列时间；这时候该补的是链接推送：向百度与 Bing 主动推送新页与更新页，把「发现」这一步从被动等抓取变成主动告知，sitemap 管全量兜底，推送管增量时效，两个通道各自核对。

对不上的三种典型场景

场景一，地图条数远大于抓取量：多半是历史垃圾地址进了图，按生成侧第三条清理。场景二，抓取量正常但收录增长停滞：抓的是首页与栏目页轮转，正文页没进抓取队列，检查 lastmod 失真与内容重复度。场景三，报表里出现地图外地址：robots 声明的旧文件还挂在引擎侧，或者历史外链把旧参数地址喂给了爬虫——撤旧提交、给旧地址配 301 收敛到规范页。每种场景都先回到生成侧文件本身找证据，再动提交配置。

常见问题

问：重新生成整份 sitemap 会不会触发全量重抓？ 答：引擎按 lastmod 与内容变化判断，如实的修改时间才不会引起误判；把生成时间写进 lastmod 反而容易造成异常集中抓取。

问：主动推送和 sitemap 提交重复吗？ 答：不重复：sitemap 是全量清单与兜底发现，推送是增量通知，收录时效主要靠后者，覆盖完整性靠前者。

问：多语言站点的翻译页要不要进同一份地图？ 答：按站点归属分别生成与提交，语言版本之间用页面内的语言切换互指，避免两种语言的 URL 混排导致规范判定混乱。