sitemap.xml: o índice de conteúdos para os motores de pesquisa

Módulo 3: A base técnica de uma página · Tempo de leitura: 11 minutos

Objetivo de aprendizagem: Depois desta lição, saberá ler um sitemap.xml, avaliar se está correto e garantir que os motores de pesquisa o encontram.

Conceitos chave: sitemap XML, protocolo sitemaps.org, urlset, url, loc, lastmod, changefreq e priority (ignorados pelo Google), limite de 50.000 endereços e 50 MB, índice de sitemaps (sitemapindex), endereços canónicos, linha Sitemap: no robots.txt, sitemap gerado automaticamente

O que é um sitemap, e o que não é

Um sitemap é um ficheiro com uma lista dos endereços do seu site que pretende ver nos resultados de pesquisa. É o índice de conteúdos que entrega a um motor de pesquisa. Um crawler encontra páginas sobretudo seguindo ligações (lição 1.2). Um sitemap ajuda nesse processo: menciona também páginas que recebem poucas ligações e indica quando uma página foi alterada pela última vez.

Há duas coisas que um sitemap não faz:

1. Não é uma garantia. O próprio Google o afirma: um sitemap não garante que tudo o que nele consta seja rastreado e indexado. Enviar um sitemap é uma sugestão.
2. Não substitui boas ligações. Uma página que só consta do sitemap e para a qual nenhuma ligação do seu próprio site aponta é, para um motor de pesquisa, sinal de que o próprio dono não a considera muito importante.

Precisa de um sitemap? Segundo o Google, é útil sobretudo para um site grande, um site novo com poucas ligações externas e um site com muitos vídeos ou imagens. Um site pequeno (o Google refere cerca de 500 páginas ou menos) com boas ligações internas pode dispensá-lo. Mas um sitemap quase não custa nada e a maioria dos criadores de sites gera-o automaticamente. Se tiver um, certifique-se de que está correto: um sitemap cheio de erros é pior do que não ter sitemap.

Como é um sitemap

O sitemap habitual é um ficheiro XML segundo o protocolo sitemaps.org, utilizado em conjunto pelo Google, pelo Bing e por outros motores de pesquisa. Este é o sitemap do Atelier Floral Beatriz:

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://www.example.com/</loc>
    <lastmod>2026-11-02</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/ramos-de-noiva</loc>
    <lastmod>2026-10-14</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/contacto</loc>
    <lastmod>2026-06-30T09:15:00+02:00</lastmod>
  </url>
</urlset>

Algumas regras em que muitas vezes se erra:

• Endereços completos. Não /contacto, mas sim https://www.example.com/contacto. O Google pede expressamente endereços completos e absolutos.
• UTF-8 e caracteres de escape. O ficheiro tem de estar em UTF-8, e caracteres como & num endereço escrevem-se como &. Um & isolado torna todo o XML inválido.
• O mesmo esquema e o mesmo anfitrião. Segundo o protocolo, um sitemap só pode conter endereços com o mesmo esquema e o mesmo anfitrião que o próprio sitemap. Um sitemap em https://www.example.com/ com endereços em http://example.com/ não está, portanto, correto. Isso é logo sinal de que o seu canonical e o seu redirecionamento não estão alinhados (lições 3.5 e 4.1).

lastmod: só se estiver correto

O Google utiliza <lastmod> se estiver correto de forma "consistente e verificável". Em 2023, o Google acrescentou o que conta como alteração: o texto principal, os dados estruturados ou as ligações da página. Um novo ano no rodapé não é uma alteração. Se colocar todos os dias a data de hoje em todas as páginas, o Google aprende que as suas datas não significam nada e passa a ignorá-las. Uma data honesta, ou nenhuma data, é melhor do que uma data inventada.

Site grande? Então, um índice de sitemaps

Um sitemap pode conter no máximo 50.000 endereços e ter no máximo 50 MB (sem compressão). Se o seu site for maior, ou se quiser dividir o sitemap (páginas, blogue, produtos), crie um índice de sitemaps (sitemapindex): um sitemap de sitemaps.

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>https://www.example.com/sitemap-paginas.xml</loc>
  </sitemap>
  <sitemap>
    <loc>https://www.example.com/sitemap-blog.xml</loc>
  </sitemap>
</sitemapindex>

Nesse caso, envia apenas o índice. O WordPress faz assim: https://www.example.com/wp-sitemap.xml é um índice que remete para sitemaps separados de páginas, artigos, categorias e autores. Os plugins de SEO substituem-no muitas vezes pelo seu próprio índice, por exemplo sitemap_index.xml.

Que endereços devem constar?

Apenas os endereços que pretende ver nos resultados de pesquisa, e na sua forma canónica (lição 3.5). Portanto, não:

• endereços que redirecionam (a variante http://, o nome antigo de uma página);
• endereços que devolvem 404 ou 410;
• páginas com noindex (lição 1.3): estaria a dizer ao mesmo tempo "inclua isto" e "não inclua isto";
• páginas que bloqueia no robots.txt (lição 3.3);
• variantes com parâmetros, como ?ordenar=preco ou ?utm_source=newsletter;
• páginas de agradecimento, carrinhos de compras, páginas de início de sessão.

Estas contradições voltam a aparecer no Search Console (lições 2.2 e 2.4): no relatório Páginas pode filtrar pelos endereços do seu sitemap e vê, por exemplo, endereços excluídos por uma etiqueta noindex ou bloqueados pelo robots.txt. Cada aviso destes corresponde a um endereço que não deve constar do seu sitemap, ou a uma página bloqueada por engano.

Como os motores de pesquisa encontram o seu sitemap

Há duas formas habituais, e deve usar ambas:

1. Uma linha no robots.txt (lição 3.3). Todos os motores de pesquisa leem o robots.txt, pelo que até um motor de pesquisa onde nunca criou conta o encontra assim:

   Sitemap: https://www.example.com/sitemap.xml

   O endereço tem de ser completo. Pode incluir várias linhas Sitemap:.

2. Enviar no Search Console e no Bing Webmaster Tools (lições 2.2 e 2.5). Assim vê também se a obtenção correu bem e quantos endereços foram encontrados.

Antigamente era possível fazer "ping" ao Google através de um endereço especial. O Google acabou com isso em 2023: esse ping já não faz nada. Se quiser informar rapidamente os motores de pesquisa de uma alteração, o caminho é o lastmod e, para o Bing e alguns outros motores de pesquisa, o IndexNow (lição 2.5).

Na prática: criar o seu próprio ou deixar que seja gerado

Quase ninguém escreve um sitemap à mão. Desde a versão 5.5, o WordPress cria automaticamente o wp-sitemap.xml e coloca a referência no seu robots.txt (virtual). O AI Builder da WebOké coloca, ao publicar, um sitemap.xml na pasta web, com a data da última alteração de cada página, e um robots.txt com a linha Sitemap:. Outros criadores de sites fazem algo semelhante. A sua tarefa é verificar:

• Abra /robots.txt no seu próprio domínio (por exemplo https://www.example.com/robots.txt) e veja se existe uma linha Sitemap:.
• Abra esse sitemap no seu navegador. Contém os endereços que espera, com https:// e o nome de anfitrião correto (com ou sem www)?
• Clique em alguns deles. Cada página abre logo corretamente, sem redirecionamento?

Resumo

• Um sitemap é um índice de conteúdos e uma sugestão, não uma garantia. Sites pequenos com boas ligações internas podem dispensá-lo, mas um sitemap correto ajuda sempre.
• São obrigatórios o urlset com o namespace correto, o url e o loc com endereços completos; o lastmod só se estiver correto. O Google ignora changefreq e priority.
• No máximo 50.000 endereços e 50 MB por ficheiro; acima disso, um índice de sitemaps.
• Apenas endereços canónicos que devolvem 200, sem noindex e não bloqueados.
• Coloque uma linha Sitemap: no robots.txt e envie o sitemap ao Google e ao Bing. O antigo ping já não funciona.

Questionário

Exercício

Exercício A3.4: O seu sitemap é válido e fácil de encontrar? Introduza o endereço do seu site. O programa procura o seu sitemap tal como um motor de pesquisa faz (primeiro através do robots.txt, caso contrário em /sitemap.xml), verifica se é XML válido segundo o protocolo, se consta do robots.txt, se os endereços são completos e estão no seu próprio anfitrião, e obtém alguns deles para ver se podem realmente entrar no índice. Não tem site próprio? Utilize european-union.europa.eu.

Para saber mais

Os passos destes artigos aplicam-se aos painéis da WebOké; noutros fornecedores funciona de forma semelhante.

• Submeter o seu site aos motores de busca (Google e Bing)
• Google Search Central, Criar e enviar um sitemap: https://developers.google.com/search/docs/crawling-indexing/sitemaps/build-sitemap
• Google Search Central, O que é um sitemap: https://developers.google.com/search/docs/crawling-indexing/sitemaps/overview
• O protocolo sitemaps.org: https://www.sitemaps.org/protocol.html
• Google Search Central Blog, Sitemaps ping endpoint is going away (2023): https://developers.google.com/search/blog/2023/06/sitemaps-lastmod-ping
• Verificar o seu sitemap
• Ser encontrado online 1.3: Sitemap e robots.txt na AI Builder
• Ser encontrado online 1.4: Sitemap e robots.txt no WordPress e no seu próprio site
• Curso gratuito de WordPress 9.2: Visibilidade nos motores de pesquisa: o básico