Naar de inhoud

Archilinux

Linux, logiciels libres et infographie

Hoe verken je efficiënt de sitemap van een website om de pagina’s te vinden die je zoekt?

Je komt op een website met duidelijk honderden pagina’s, maar via de navigatie bereik je alleen de hoofdcategorieën. Om een artikel terug te vinden…

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

Je komt op een website met duidelijk honderden pagina’s, maar via de navigatie bereik je alleen de hoofdcategorieën. Een specifiek artikel, een diep weggestopt productoverzicht of een documentatiepagina terugvinden zou uren handmatig zoeken kosten. De sitemap van de website biedt een directe snelkoppeling naar het overzicht van URL’s die de beheerder zichtbaar wil maken. Je moet alleen weten waar je die vindt, hoe je hem leest en vooral hoe je snel de informatie opspoort die je zoekt.

De URL van de sitemap vinden: robots.txt en alternatieve paden

De meest gebruikelijke eerste stap is /sitemap.xml achter de domeinnaam typen. In de meeste gevallen werkt dat. Zo niet, dan verlies je tijd met het raden van het juiste pad.

De betrouwbare methode loopt via het bestand robots.txt, dat in de hoofdmap van elke website staat. Voeg gewoon /robots.txt toe aan het domein en zoek naar de regel die begint met Sitemap:. Deze regel vermeldt het exacte adres van het bestand, dat onder een ongebruikelijke naam of in een afwijkende map kan staan (bijvoorbeeld /sitemaps/main.xml of /sitemap_index.xml).

Sommige websites vermelden meerdere sitemaps in hun robots.txt-bestand, elk voor een ander type content: artikelen, afbeeldingen, video’s of productpagina’s. Door vóór het klikken de juiste regel te vinden, voorkom je dat je een bestand doorzoekt dat niet het type pagina bevat dat je zoekt. Op de sitemap van Scoopium zie je bijvoorbeeld een indeling waarin de verschillende onderdelen van de website duidelijk van elkaar zijn gescheiden, wat gericht zoeken makkelijker maakt.

Een man bekijkt een boomstructuur van een sitemap op een computerscherm in een modern kantoor

Sitemapindex en onderliggende bestanden: navigeren door een opgesplitste sitemap

Grote websites slaan niet al hun URL’s op in één bestand. Een sitemapbestand mag maximaal 50.000 URL’s of 50 MB ongecomprimeerde data bevatten. Daarboven verdeelt de website de adressen over meerdere bestanden die via een index met elkaar zijn verbonden.

Een sitemapindex herkennen

Wanneer je de hoofdsitemap opent en <sitemap>-tags ziet in plaats van <url>-tags, heb je een index voor je. Elke vermelding verwijst naar een onderliggend bestand. Deze bestanden kunnen zijn ingedeeld op taal, categorie of publicatiedatum.

De index openen is niet genoeg om een pagina te vinden. Je moet het relevante onderliggende bestand selecteren, dat vervolgens openen en daarin naar de gewenste URL zoeken. Op een e-commercewebsite kan het ene bestand de categorieën bevatten, een ander de productpagina’s en een derde de redactionele pagina’s.

De zoekfunctie in het bestand gebruiken

Een XML-sitemapbestand wordt in de browser weergegeven als gestructureerde tekst. Met de sneltoets Ctrl+F (of Cmd+F op een Mac) kun je rechtstreeks op de weergegeven pagina zoeken op een trefwoord. Typ een deel van de URL of een woord dat je in de slug van de pagina verwacht.

Deze zoekmethode werkt goed bij bestanden met enkele duizenden URL’s. Bij grotere bestanden kan het even duren voordat de browser het volledige bestand weergeeft. Dan is zoeken in de onbewerkte broncode efficiënter. Klik met de rechtermuisknop op de pagina, kies ‘Paginabron weergeven’ en voer dezelfde zoekopdracht uit. Zo omzeil je het probleem met de weergave.

De metadata van de XML-sitemap lezen om resultaten te filteren

Een sitemap is meer dan alleen een lijst met adressen. Elke vermelding kan metadata bevatten waarmee je pagina’s kunt sorteren zonder ze allemaal te openen.

  • <lastmod> vermeldt de datum van de laatste wijziging. Zo herken je pagina’s die onlangs zijn bijgewerkt. Dat is handig als je actuele informatie zoekt over een onderwerp dat voortdurend verandert.
  • <changefreq> geeft de opgegeven wijzigingsfrequentie aan (daily, weekly, monthly). Pagina’s met de aanduiding ‘daily’ zijn vaak actieve pagina’s, blogs of nieuwsoverzichten.
  • <priority> geeft het relatieve belang weer dat de beheerder aan elke pagina toekent ten opzichte van andere pagina’s op dezelfde website. Een hoge waarde wijst op pagina’s die de website als belangrijk beschouwt.

Deze metadata zijn indicatief. De beheerder van de website vult ze naar eigen inzicht in en er is geen garantie dat ze actueel zijn. In de praktijk is de datum in lastmod het betrouwbaarst, omdat die vaak bij elke opslag automatisch door het CMS wordt gegenereerd.

Iemand bekijkt een XML-sitemapbestand op een laptop in een informele coworkingruimte

HTML-sitemap en alternatieven als XML niet volstaat

Niet alle sitemaps zijn XML-bestanden. Sommige websites bieden een HTML-sitemap aan, bedoeld voor menselijke bezoekers. Meestal vind je die via een link onderaan de pagina, vaak met het label ‘Sitemap’.

In een HTML-sitemap worden pagina’s weergegeven als aanklikbare links, ingedeeld in categorieën. Voor een snelle verkenning is die vaak overzichtelijker dan XML, vooral als je nog niet precies weet wat je zoekt. Je bekijkt de categorieën in één oogopslag in plaats van ruwe URL’s te doorzoeken.

Wanneer de sitemap niet de hele website weergeeft

Een sitemap is geen volledig overzicht van alle bestaande pagina’s. De sitemap bevat de URL’s die de beheerder onder de aandacht van zoekmachines wil brengen. Sommige pagina’s kunnen er bewust in ontbreken, zoals inlogpagina’s, bedankpagina’s na het invullen van een formulier en gearchiveerde content.

Wil je controleren of een pagina bestaat maar niet in de sitemap staat, combineer je zoekopdracht dan met de Google-operator site:nomdudomaine.com mot-clé. Deze zoekopdracht doorzoekt de index van Google. Google kan de pagina via andere wegen dan de sitemap hebben ontdekt, bijvoorbeeld via interne links.

  • Door de resultaten van site: te vergelijken met de inhoud van de sitemap, ontdek je welke pagina’s wel zijn geïndexeerd maar niet zijn opgegeven.
  • Pagina’s die wel in de sitemap staan maar niet in de Google-resultaten verschijnen, zijn mogelijk te nieuw of uitgesloten met een noindex-directive.
  • Door beide bronnen te combineren, krijg je een vollediger beeld van de werkelijke structuur van de website.

Voor het verkennen van een sitemap heb je geen betaalde tools of uitgebreide technische kennis nodig. Een browser, de sneltoets voor tekst zoeken en kennis van de structuur met index en onderliggende bestanden zijn in de meeste gevallen voldoende. Begin altijd bij het bestand robots.txt: zo hoef je het adres van de sitemap niet te raden en word je rechtstreeks naar het juiste bestand geleid.

Hoe verken je efficiënt de sitemap van een website om de pagina’s te vinden die je zoekt?