Makosa ya sitemap katika Google Search Console yanamaanisha nini na nitayarekebishaje?
Makosa ya sitemap katika Google Search Console yanamaanisha ama Google haikuweza kupakua faili kabisa (Couldn't fetch, ikionyeshwa kwenye ukurasa wa maelezo kama Sitemap could not be read) au iliipakua lakini haikuweza kuchanganua sehemu yake (Has errors). Kushindwa kupakua kwa kawaida kunatokana na URL isiyo sahihi, sheria ya robots.txt, kosa la seva au firewall inayojibu Googlebot; makosa ya uchanganuzi yanatokana na XML iliyovunjika, tarehe mbaya, URL zisizo sahihi au faili zenye zaidi ya URL 50,000 au MB 50. Jaribu URL ya sitemap kutoka nje kwa curl, rekebisha chanzo, kisha iwasilishe tena.
Ripoti ya Sitemaps katika Search Console ina maneno machache: hali, hesabu na wakati mwingine jina la kosa. Nyuma ya kila hali kuna kushindwa mahususi ambako unaweza kukurudia kutoka terminal yako kwa dakika moja. Mwongozo huu unaoanisha kila ujumbe ambao Google inaeleza na chanzo chake, unaonyesha jinsi ya kuujaribu kutoka nje, na unaorodhesha rekebisho.
Kwenye ukurasa huu
- Hali za sitemap katika Search Console zinamaanisha nini?
- Kwa nini Search Console inasema Couldn't fetch au Sitemap could not be read?
- Nitajaribuje sitemap kutoka nje?
- Ujumbe wa Has errors unamaanisha nini na nitaurekebishaje?
- Mipaka ya ukubwa na sheria za muundo wa sitemap ni ipi?
- Je, crawler za AI pia hutumia sitemap?
Hali za sitemap katika Search Console zinamaanisha nini?
Kila sitemap unayowasilisha inapata hali moja, kwa mara ya mwisho Google ilipoiomba:
- Success: sitemap ilipakuliwa na kuchakatwa bila makosa, na URL zake zote zimewekwa kwenye foleni ya kupakuliwa.
- Has errors (pia huonyeshwa kama Sitemap had X errors): faili ilipakuliwa, lakini sehemu zake hazikuweza kuchanganuliwa. URL zilizochanganuliwa ipasavyo bado zimewekwa kwenye foleni.
- Couldn't fetch: Google haikuweza kupata faili yenyewe. Unapofungua sitemap, ukurasa wa maelezo unasema Sitemap could not be read. Katika Search Console ya Kifaransa ujumbe huohuo unasomeka Impossible de lire le sitemap, na hali ya juu inasomeka Impossible de récupérer le sitemap.
Upakuaji au uchanganuzi ukishindwa, Google huendelea kujaribu kwa siku chache kisha huacha kuiomba sitemap hiyo, kwa hivyo sitemap iliyovunjika hairekebishiki yenyewe. Mambo mawili zaidi yanaeleza ripoti nyingi zinazochanganya: ripoti huorodhesha tu sitemap zilizowasilishwa kupitia ripoti au API, si zile zilizopatikana katika robots.txt, na huonyesha tu sitemap za mali (property) ya sasa, kwa hivyo hakikisha uko kwenye mali sahihi ya http au https na www au bila www.
Kwa nini Search Console inasema Couldn't fetch au Sitemap could not be read?
Google inaorodhesha sababu hizi zilizoandikwa za kushindwa kupakua:
- Sitemap imezuiwa na robots.txt. Google huheshimu robots.txt inapopakua sitemap, kwa hivyo sheria kama
Disallow: /sitemapinaizuia. - URL si sahihi na inarudisha 404. Njia tofauti,
wwwinayokosekana, auhttpbadala yahttpsndiyo makosa ya kawaida. - Kosa la jumla kama seva kutopatikana. Baadhi ya haya ni ya muda.
- Tovuti ina hatua ya mkono (manual action) ambayo haijatatuliwa. Sitemap hazisomwi hadi itatuliwe.
- Mahitaji madogo ya kupakua (crawl demand) kwa sitemap.
Sababu moja ambayo Google haiitaji peke yake inaonekana kama kosa la jumla au la HTTP: firewall, CDN au ulinzi dhidi ya bots unaojibu Googlebot kwa 403, 429 au ukurasa wa changamoto huku kivinjari chako kikipata faili. Sharti la kuingia mbele ya faili hufanya vivyo hivyo. Ili kuthibitisha kushindwa kutoka upande wa Google, bandika URL ya sitemap katika zana ya URL Inspection, endesha jaribio la moja kwa moja na uhakikishe kwamba Crawl allowed ni Yes na Page fetch ni Successful.
Nitajaribuje sitemap kutoka nje?
Endesha ukaguzi huu minne kutoka kompyuta yoyote. Badilisha example.com kwa kikoa chako.
# 1. Status, redirects and content type
curl -sIL https://example.com/sitemap.xml | grep -iE '^(HTTP|location|content-type)'
# 2. The same file requested with Googlebot's user agent
curl -s -o /dev/null -w "%{http_code} %{content_type} %{size_download}\n" \
-A "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)" \
https://example.com/sitemap.xml
# 3. Rules and Sitemap lines in robots.txt
curl -s https://example.com/robots.txt | grep -iE '^(user-agent|disallow|allow|sitemap)'
# 4. Well-formed XML and number of URLs
curl -s https://example.com/sitemap.xml -o sitemap.xml
xmllint --noout sitemap.xml && grep -o '<loc>' sitemap.xml | wc -l Cha kuangalia: hali ya mwisho lazima iwe 200. Mnyororo wa uelekezaji upya (redirects) unamaanisha uliwasilisha anwani ambayo si ya mwisho; Search Console inaonyesha URL halisi uliyowasilisha na haifuati uelekezaji upya kwa ajili yake, kwa hivyo wasilisha URL ya mwisho. Aina ya maudhui ya text/html pamoja na mwili wa HTML inamaanisha seva ilituma ukurasa, mara nyingi ukurasa wa 404 au ukurasa wa nyumbani, badala ya faili. Kama ukaguzi wa 2 unarudisha 403, 429 au 503 huku ukaguzi wa 1 ukirudisha 200, sheria ya firewall inashughulikia crawler tofauti. Baadhi ya seva hujibu maombi ya HEAD tofauti na GET, ndiyo sababu ukaguzi wa 2 unatumia ombi la kawaida.
Jaribio lako linatoka anwani yako ya IP, kwa hivyo linaonyesha jinsi sheria zako zinavyoshughulikia user agent. Sheria zinazotegemea safu za IP bado zinaweza kushughulikia Googlebot halisi tofauti. Google inachapisha safu za IP za crawler zake na inasaidia uthibitishaji wa reverse DNS, kwa hivyo sheria ya kuruhusu inaweza kulingana na crawler halisi badala ya mfuatano wa user agent.
Ujumbe wa Has errors unamaanisha nini na nitaurekebishaje?
Faili inapopakuliwa lakini haiwezi kuchanganuliwa kikamilifu, ukurasa wa maelezo unataja kosa. Yale unayoweza kuyaona zaidi:
- Parsing error: XML haikuweza kuchanganuliwa, mara nyingi kwa sababu ya herufi isiyoepukwa (unescaped) katika URL. Andika
&kama&, na uepuke pia',",<na>. - Unsupported format: kichwa au namespace si sahihi. Sitemap lazima ianze na tamko la XML na itumie namespace
http://www.sitemaps.org/schemas/sitemap/0.9, kwa alama za nukuu zilizonyooka. - Invalid date:
lastmodlazima itumie W3C Datetime, kama2026-11-17au2026-11-17T09:30:00+00:00. Ukijumuisha muda, jumuisha pia ukanda wa saa. - URL not allowed: URL zilizoorodheshwa ziko juu ya folda ya sitemap au kwenye kikoa au itifaki nyingine. Path mismatch ni tatizo lilelile kwa
www: sitemap na URL zake lazima zikubaliane. - Too many URLs au Sitemap file size error: zaidi ya URL 50,000 au zaidi ya MB 50 bila kubanwa. Gawanya faili na uorodheshe sehemu zake katika faharasa ya sitemap (sitemap index).
- Compression error: faili ya gzip imeharibika. Ibane upya, ipakie na uiwasilishe tena.
- Empty sitemap: faili haina URL. Kagua kizalishaji kinachoiandika.
- Leading whitespace: ni onyo tu. Ondoa chochote kilicho kabla ya tamko la XML.
- URLs not followed au URLs not accessible: faili iko sawa, lakini URL zilizoorodheshwa zinaelekeza upya mara nyingi mno au haziwezi kupakuliwa. Orodhesha URL za mwisho, kamili tu.
<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
<url>
<loc>https://example.com/products?color=blue&size=m</loc>
<lastmod>2026-11-17</lastmod>
</url>
<url>
<loc>https://example.com/about</loc>
<lastmod>2026-11-10T09:30:00+00:00</lastmod>
</url>
</urlset> Mipaka ya ukubwa na sheria za muundo wa sitemap ni ipi?
Itifaki ya sitemaps.org na nyaraka za Google zinaweka mipaka ileile: si zaidi ya URL 50,000 na si zaidi ya MB 50 bila kubanwa kwa kila faili ya sitemap. Faharasa ya sitemap inaweza kuorodhesha hadi sitemap 50,000 na ina kikomo kilekile cha ukubwa, na Google huripoti Too many sitemaps faharasa inapozidi. Faharasa haziwezi kuelekeza kwenye faharasa nyingine. Faili lazima iwe na usimbaji wa UTF-8, kila thamani lazima iepukwe kwa entity, na Google inaomba URL kamili zenye anwani yote.
Google pia inasema hupuuza priority na changefreq, na hutumia lastmod tu pale ilipo sahihi mara zote na inaweza kuthibitishwa, kwa hivyo iweke kwa tarehe ambayo maudhui yalibadilika mara ya mwisho kwa namna yenye maana. Chini ya itifaki ya sitemaps.org, sitemap iliyo https://example.com/blog/sitemap.xml inaweza kuorodhesha URL zilizo chini ya /blog/ pekee, ndiyo sababu Google inapendekeza kuweka sitemap kwenye mzizi wa tovuti. Tovuti kubwa hugawanya URL zake katika faili kadhaa na kuwasilisha faharasa moja:
<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
<sitemap>
<loc>https://example.com/sitemap-pages.xml</loc>
<lastmod>2026-11-17</lastmod>
</sitemap>
<sitemap>
<loc>https://example.com/sitemap-blog.xml.gz</loc>
<lastmod>2026-11-15</lastmod>
</sitemap>
</sitemapindex> Pia ongeza mstari mmoja wenye URL kamili katika robots.txt, kwa mfano Sitemap: https://example.com/sitemap.xml. Unaweza kuwekwa popote katika faili, na crawler yoyote inayosoma robots.txt inaweza kupata sitemap yako kutoka hapo, si zile unazoziwasilishia pekee.
Je, crawler za AI pia hutumia sitemap?
Kwa Google, ndiyo kwa njia isiyo ya moja kwa moja. Sitemap husaidia Google kugundua URL kwa faharasa yake ya Search, na Google inasema AI Overviews na AI Mode zake hutumia faharasa hiyo: ukurasa lazima uwe umeorodheshwa na ustahiki snippet ili kuonekana kama kiungo cha kuunga mkono. Kosa la sitemap linalochelewesha uorodheshaji linaweza pia kuchelewesha kuonekana kwa ukurasa katika vipengele vya AI vya Google.
Kwa injini nyingine za majibu, haijaandikwa. Nyaraka za crawler za OpenAI, Anthropic na Perplexity hazisemi kama crawler zao husoma sitemap, kwa hivyo usitegemee sitemap kuingiza ukurasa katika ChatGPT, Claude au Perplexity. Viungo vya ndani na robots.txt na firewall zilizo wazi ni muhimu zaidi huko. Kuwa na sitemap inayofanya kazi na mstari wa Sitemap: katika robots.txt hakugharimu chochote na kunahudumia crawler yoyote inayozitumia.
Ripoti kamili ya AISeeWhy husoma sitemap zilizotangazwa katika robots.txt au zilizopatikana kwenye /sitemap.xml na huweka alama kwa sitemap isiyoweza kupakuliwa au kuchanganuliwa, pamoja na mwongozo wa kurekebisha kwa kila hali: sitemap haifikiki na sitemap haisomeki.
Marekebisho ya tatizo hili
- Viungo vilivyovunjika kwenye llms.txt: 2
- Hakuna sitemap iliyopatikana
- Sitemap haiwezi kupakuliwa (hali 403)
- Sitemap haiwezi kusomwa
Hatua zinazofuata
- Kikagua na kijaribu cha robots.txt kwa crawler za AI
- Ukaguzi wa IP ya crawler za AI
- Tazama mfano wa ripoti kamili
- Ufuatiliaji wa crawler za AI
- Mipango na bei
Crawler katika makala hii
Maswali yanayoulizwa mara kwa mara
Impossible de lire le sitemap inamaanisha nini?
Ni maandishi ya Search Console ya Kifaransa kwa Sitemap could not be read. Yanaonekana kwenye ukurasa wa maelezo pale Google haikuweza kupakua faili kabisa. Kagua URL, robots.txt, msimbo wa hali wa seva na firewall yako, rekebisha chanzo na uiwasilishe tena.
Baada ya rekebisho, Google itachukua muda gani kusoma sitemap yangu tena?
Google inasema hujaribu kupakua sitemap mara tu unapoiwasilisha, kwa hivyo iwasilishe tena baada ya rekebisho. Baada ya kusoma kwa mafanikio, hupakua sitemap tena kwa ratiba yake, bila kutegemea sehemu nyingine ya tovuti.
Kwa nini sitemap yangu haijaorodheshwa katika ripoti ya Sitemaps?
Ripoti inaonyesha tu sitemap zilizowasilishwa kupitia ripoti au API, na kwa mali ya sasa pekee. Sitemap iliyopatikana kupitia robots.txt inaweza kutumiwa na Google bila kuonekana hapo. Iwasilishe ili uone hali yake.
Je, kosa la sitemap linaondoa kurasa zangu kutoka Google?
Si lenyewe. Google inasema hukumbuka kile ilichojifunza kutoka usomaji wa awali uliofanikiwa, na kushindwa baadaye hakuifanyi isahau. Kurasa mpya na zilizobadilishwa zinaweza kupatikana polepole zaidi hadi sitemap ifanye kazi tena.
Je, kufuta na kuwasilisha upya sitemap kutaondoa kosa?
Tu kama chanzo kimerekebishwa. Kuondoa sitemap kutoka ripoti hakuifanyi Google iisahau au kusahau URL zake, na sitemap iliyowasilishwa upya ambayo bado inashindwa inapata kosa lilelile.
Vyanzo
- Google Search Console Help: Sitemaps report
- Google Search Console Help: Rapport sur les sitemaps (Kifaransa)
- Google Search Central: Build and submit a sitemap
- Sitemaps.org: Sitemaps XML format
- Google: Verify requests from Google crawlers and fetchers
- Google: Google's common crawlers
- Google Search Central: AI features and your website
- OpenAI: Overview of OpenAI crawlers
- Anthropic: Does Anthropic crawl data from the web, and how can site owners block the crawler?
- Perplexity: Perplexity crawlers