Vai al contenuto

Archilinux

Linux, logiciels libres et infographie

Come esplorare efficacemente la sitemap di un sito per trovare le pagine che ti interessano

Ci si imbatte in un sito che contiene chiaramente centinaia di pagine, ma la navigazione porta solo alle sezioni principali. Per ritrovare un articolo…

Une femme analysant un plan de sitemap imprimé sur son bureau en bois dans un bureau à domicile

Ci si imbatte in un sito che contiene chiaramente centinaia di pagine, ma la navigazione porta solo alle sezioni principali. Per ritrovare un articolo preciso, una scheda prodotto nascosta o una pagina di documentazione, cercare manualmente richiederebbe ore. La sitemap del sito offre una scorciatoia diretta all’elenco degli URL che l’editore ha scelto di rendere visibili. Bisogna però sapere dove trovarla, come leggerla e soprattutto come individuare rapidamente ciò che ci interessa.

Trovare l’URL della sitemap: robots.txt e percorsi alternativi

L’abitudine più comune è aggiungere /sitemap.xml al nome di dominio. Nella maggior parte dei casi funziona. Quando non funziona, si perde tempo a indovinare il percorso corretto.

Il metodo più affidabile consiste nel consultare il file robots.txt, accessibile dalla radice di qualsiasi sito. Basta aggiungere /robots.txt al dominio e cercare la riga che inizia con Sitemap:. Questa riga indica l’indirizzo esatto del file, che può trovarsi in un percorso o con un nome insolito (per esempio /sitemaps/main.xml o /sitemap_index.xml).

Alcuni siti dichiarano più sitemap nel proprio robots.txt, ciascuna dedicata a un tipo di contenuto: articoli, immagini, video, schede prodotto. Individuare la riga giusta prima di fare clic evita di consultare un file che non contiene il tipo di pagina cercato. Per esempio, nella sitemap di Scoopium si nota un’organizzazione che separa chiaramente le diverse sezioni del sito, facilitando la navigazione mirata.

Un uomo consulta una visualizzazione ad albero della sitemap su uno schermo di computer in un ufficio moderno

Indice sitemap e file secondari: navigare in una sitemap suddivisa

I siti di grandi dimensioni non raccolgono tutti i propri URL in un unico file. Un file sitemap può contenere al massimo 50 000 URL o 50 MB non compressi. Oltre questo limite, il sito distribuisce gli indirizzi in più file collegati tramite un indice.

Riconoscere un indice di sitemap

Quando si apre la sitemap principale e si vedono tag <sitemap> invece di tag <url>, si tratta di un indice. Ogni voce rimanda a un file secondario. Questi file possono essere organizzati per lingua, categoria o data di pubblicazione.

Aprire l’indice non basta per trovare una pagina. Bisogna individuare il file secondario pertinente, aprirlo e poi cercare l’URL desiderato. In un sito e-commerce, un file può raccogliere le categorie, un altro le schede prodotto e un terzo le pagine editoriali.

Usare la ricerca testuale nel file

Un file sitemap XML viene visualizzato nel browser come testo strutturato. La scorciatoia Ctrl+F (o Cmd+F su Mac) consente di cercare una parola chiave direttamente nella pagina visualizzata. Basta inserire una parte dell’URL o una parola che si presume compaia nello slug della pagina.

Questa ricerca funziona con file contenenti qualche migliaio di URL. Oltre tale soglia, il browser può impiegare molto tempo a caricare il file completo e la ricerca nel codice sorgente grezzo diventa più efficace. Facendo clic con il tasto destro e selezionando «Visualizza sorgente pagina», si può ripetere la stessa ricerca testuale, aggirando il problema di caricamento.

Leggere i metadati della sitemap XML per filtrare i risultati

Una sitemap non è solo un elenco di indirizzi. Ogni voce può contenere metadati utili per filtrare le pagine senza aprirle tutte.

  • <lastmod> indica la data dell’ultima modifica. Permette di individuare le pagine aggiornate di recente, utile quando si cercano contenuti aggiornati su un argomento in evoluzione.
  • <changefreq> segnala la frequenza di modifica dichiarata (daily, weekly, monthly). Le pagine indicate come «daily» sono spesso pagine attive, blog o flussi di notizie.
  • <priority> riflette l’importanza relativa che l’editore attribuisce a ciascuna pagina rispetto alle altre dello stesso sito. Un valore elevato indica le pagine che il sito considera centrali.

Questi metadati sono dichiarativi. L’editore del sito li inserisce liberamente e non c’è alcuna garanzia che siano aggiornati. In pratica, la data lastmod è la più affidabile, perché spesso viene generata automaticamente dal CMS a ogni salvataggio.

Una persona consulta un file sitemap XML su un computer portatile in un informale spazio di coworking

Sitemap HTML e alternative quando l’XML non basta

Non tutte le sitemap sono in XML. Alcuni siti offrono una sitemap HTML, pensata per i visitatori. In genere si trova tramite un link nel piè di pagina, spesso denominato «Mappa del sito».

La sitemap HTML presenta le pagine sotto forma di link cliccabili, organizzati per sezioni. Per una consultazione rapida, spesso è più leggibile dell’XML, soprattutto quando non si sa esattamente cosa si sta cercando. Si possono scorrere visivamente le categorie invece di esaminare URL grezzi.

Quando la sitemap non rispecchia l’intero sito

Una sitemap non è un inventario completo di tutte le pagine esistenti. Elenca gli URL che l’editore desidera segnalare ai motori di ricerca. Alcune pagine possono essere escluse intenzionalmente (pagine di accesso, pagine di ringraziamento dopo l’invio di un modulo, contenuti archiviati).

Per verificare se una pagina esiste senza comparire nella sitemap, si può combinare la ricerca con l’operatore Google site:nomdudomaine.com mot-clé. Questa query interroga l’indice di Google, che potrebbe aver scoperto la pagina attraverso percorsi diversi dalla sitemap, in particolare tramite i link interni.

  • Confrontare i risultati di site: con il contenuto della sitemap permette di individuare le pagine indicizzate ma non dichiarate.
  • Le pagine presenti nella sitemap ma assenti dai risultati di Google sono troppo recenti oppure escluse da una direttiva noindex.
  • Incrociare le due fonti offre una visione più completa dell’architettura effettiva del sito.

Esplorare una sitemap non richiede strumenti a pagamento né competenze tecniche avanzate. Un browser, la scorciatoia per la ricerca testuale e la conoscenza della struttura indice/file secondari sono sufficienti nella maggior parte dei casi. Il punto di partenza è sempre il file robots.txt, che evita di dover indovinare l’indirizzo della sitemap e rimanda direttamente al file corretto.

Come esplorare efficacemente la sitemap di un sito per trovare le pagine che ti interessano