站点规模增长到一定程度后，生成 sitemap 的脚本会突然报错或者生成一个浏览器打不开的超大文件。原因是 sitemap 有硬性的规模限制：单个文件最多 5 万条 URL，未压缩体积不超过 50 MB。超过之后必须拆分，并写一个索引文件把多个 sitemap 串起来。
两条硬性限制
sitemap 规范（sitemaps.org）规定了两条上限。
| 限制 | 数值 |
|---|---|
| 单个文件的 URL 条数 | 50000 条 |
| 单个文件的最大体积 | 50 MB（未压缩） |
这两条是「或」的关系——任何一条超出就需要拆分。实际使用中，5 万条的限制通常先被触及，因为一个典型的 URL 加上 lastmod 等字段大约 100 到 200 字节，5 万条大约是 5 到 10 MB，离 50 MB 还有距离。
但如果 URL 很长（比如带多层路径和中文参数），或者每条都带完整的 changefreq、priority 字段，体积会明显增大，也可能先撞到 50 MB 这条线。
索引文件的结构
拆分之后，需要一个「sitemap 索引文件」来告诉搜索引擎「这个站点有哪几个 sitemap」。
索引文件的根节点是 <sitemapindex>，里面每一项是 <sitemap>，包含一个 <loc> 指向子 sitemap 的地址：
<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
<sitemap>
<loc>https://www.example.com/sitemap-1.xml</loc>
</sitemap>
<sitemap>
<loc>https://www.example.com/sitemap-2.xml</loc>
</sitemap>
</sitemapindex>
注意索引文件里也可以为每个子 sitemap 标注 lastmod，表示该子文件内容最后变化的时间。
索引文件本身也有上限：最多包含 5 万个 sitemap 引用，体积不超过 50 MB。按每个子文件 5 万条计算，理论上一个索引能覆盖 25 亿条 URL，实际远远够用。
拆分策略
按什么维度拆分，影响后续维护的复杂度。几种常见策略：
按数量均分。最简单的做法，每 5 万条切一个文件。优点是实现容易，缺点是同一个栏目或同一类内容可能被切到不同文件里，后续更新时要重算全部文件。
按内容类型拆。例如文章一个文件、产品一个文件、分类页一个文件。优点是可维护性好——某一类内容更新时只需要重新生成对应的那个文件。缺点是各类数量不均，可能某些文件很小、某些超限。
按时间拆。例如按月或按年生成，sitemap-2026-01.xml、sitemap-2026-02.xml。优点是新增内容只影响最新那个文件，历史文件不需要重新生成。适合内容持续增长、历史内容不常改动的站点。
对于大型内容站，按时间拆配合按类型拆通常是最好维护的组合。中小站点按数量均分就够了。
分片的大小控制
分片时不必正好卡在 5 万条。留一些余量更稳妥，比如每片 4 万条。
原因是后续可能有新内容插入到已有分片里（如果按类型或按时间拆分），留余量可以避免频繁重切。另外不同工具对上限的实现可能有细微差异，留余量能提高兼容性。
分片命名建议用有意义的规则，比如 sitemap-articles-1.xml、sitemap-2026-09.xml。纯数字编号在分片数量多时不好排查。
提交与声明
拆好之后需要让搜索引擎知道这些文件的存在。
第一种方式是在 robots.txt 里声明索引文件的地址：
Sitemap: https://www.example.com/sitemap.xml
只要声明索引文件即可，搜索引擎会顺着索引找到所有子文件，不需要逐个声明。
第二种方式是通过搜索资源平台手动提交索引文件地址。
第三种方式是让索引文件的地址符合惯例（比如就叫 sitemap.xml），搜索引擎可能会自动尝试访问。
推荐同时做前两种。robots.txt 声明是基础，搜索资源平台提交能加快发现速度。
需要注意的几个细节
第一，所有文件必须是绝对地址。子 sitemap 的 <loc> 和页面的 <loc> 都不能是相对路径。
第二，编码统一为 UTF-8，与 XML 声明一致。中文 URL 需要按 XML 规则正确转义。
第三，只放希望被收录的规范地址。不要把带参数的重复页面、需要登录的页面、搜索结果页塞进去。分片数量再多，也不应该用来容纳低价值页面。
第四，更新时保持文件地址稳定。如果每次重新生成都改变文件名，搜索引擎会认为旧文件消失了、新文件出现了，需要重新发现。保持命名稳定，只更新内容，效果更好。
检查清单
- 单个 sitemap 最多 5 万条 URL、未压缩体积不超过 50 MB
- 超过限制时拆分为多个文件，并用 sitemapindex 索引文件串起来
- 索引文件本身也有 5 万条与 50 MB 的上限
- 拆分可按数量、按类型或按时间，大型内容站建议按时间与类型组合
- 每片留些余量（如 4 万条），避免频繁重切
- 只需在 robots.txt 声明索引文件，搜索引擎会顺着找到所有子文件
- 所有地址用绝对路径，编码统一 UTF-8，只放规范地址