Google Search Consoleలో sitemap ఎర్రర్ల అర్థం ఏమిటి, వాటిని ఎలా సరిచేయాలి?
Google Search Consoleలో sitemap ఎర్రర్లు అంటే Google ఫైల్ను అసలు డౌన్లోడ్ చేయలేకపోయింది (Couldn't fetch, వివరాల పేజీలో Sitemap could not be readగా చూపబడుతుంది), లేదా డౌన్లోడ్ చేసింది కానీ దానిలో కొంత భాగాన్ని పార్స్ చేయలేకపోయింది (Has errors). fetch వైఫల్యాలు సాధారణంగా తప్పు URL, robots.txt రూల్, సర్వర్ ఎర్రర్ లేదా Googlebotకు జవాబిచ్చే ఫైర్వాల్ వల్ల వస్తాయి; పార్సింగ్ ఎర్రర్లు పాడైన XML, తప్పు తేదీలు, తప్పు URLలు లేదా 50,000 URLలు లేదా 50 MB దాటిన ఫైల్ల వల్ల వస్తాయి. sitemap URLను బయటి నుంచి curlతో పరీక్షించి, కారణాన్ని సరిచేసి, మళ్లీ సమర్పించండి.
Search Consoleలోని Sitemaps రిపోర్ట్ మాటల్లో పొదుపు: ఒక స్టేటస్, ఒక సంఖ్య, కొన్నిసార్లు ఎర్రర్ పేరు. ప్రతి స్టేటస్ వెనుక ఒక నిర్దిష్ట వైఫల్యం ఉంటుంది, దాన్ని మీ సొంత టెర్మినల్ నుంచి ఒక నిమిషంలో పునరావృతం చేయవచ్చు. ఈ గైడ్ Google డాక్యుమెంట్ చేసిన ప్రతి సందేశాన్ని దాని కారణంతో జత చేస్తుంది, బయటి నుంచి ఎలా పరీక్షించాలో చూపిస్తుంది, పరిష్కారాన్ని చెబుతుంది.
ఈ పేజీలో
- Search Consoleలో sitemap స్టేటస్ల అర్థం ఏమిటి?
- Search Console Couldn't fetch లేదా Sitemap could not be read అని ఎందుకు చెబుతుంది?
- sitemapను బయటి నుంచి ఎలా పరీక్షించాలి?
- Has errors సందేశాల అర్థం ఏమిటి, వాటిని ఎలా సరిచేయాలి?
- sitemap పరిమాణ పరిమితులు, ఫార్మాట్ నియమాలు ఏమిటి?
- AI క్రాలర్లు కూడా sitemapలను ఉపయోగిస్తాయా?
Search Consoleలో sitemap స్టేటస్ల అర్థం ఏమిటి?
మీరు సమర్పించే ప్రతి sitemapకు, Google చివరిసారి దాన్ని అభ్యర్థించిన దాని ఆధారంగా, ఒక స్టేటస్ వస్తుంది:
- Success: sitemap ఎర్రర్లు లేకుండా తెచ్చుకోబడి ప్రాసెస్ అయింది, దాని URLలన్నీ క్రాలింగ్ కోసం క్యూలో ఉన్నాయి.
- Has errors (Sitemap had X errorsగా కూడా చూపబడుతుంది): ఫైల్ తెచ్చుకోబడింది, కానీ దానిలోని భాగాలను పార్స్ చేయలేకపోయింది. సరిగ్గా పార్స్ అయిన URLలు ఇంకా క్యూలో ఉంటాయి.
- Couldn't fetch: Google ఫైల్నే తెచ్చుకోలేకపోయింది. sitemapను తెరిచినప్పుడు వివరాల పేజీ Sitemap could not be read అని చెబుతుంది. ఫ్రెంచ్ Search Consoleలో అదే సందేశం Impossible de lire le sitemap అని, పై స్థాయి స్టేటస్ Impossible de récupérer le sitemap అని ఉంటుంది.
fetch లేదా పార్స్ విఫలమైతే, Google కొన్ని రోజులు ప్రయత్నిస్తూ, తర్వాత ఆ sitemapను అభ్యర్థించడం ఆపేస్తుంది, కాబట్టి పాడైన sitemap దానంతట అదే సరికాదు. మరో రెండు వివరాలు చాలా గందరగోళ రిపోర్ట్లను వివరిస్తాయి: రిపోర్ట్ robots.txtలో దొరికిన sitemapలను కాకుండా, రిపోర్ట్ లేదా API ద్వారా సమర్పించిన sitemapలను మాత్రమే చూపిస్తుంది, ప్రస్తుత ప్రాపర్టీ sitemapలను మాత్రమే చూపిస్తుంది, కాబట్టి మీరు సరైన http లేదా https, www లేదా www లేని ప్రాపర్టీలో ఉన్నారో తనిఖీ చేయండి.
Search Console Couldn't fetch లేదా Sitemap could not be read అని ఎందుకు చెబుతుంది?
fetch వైఫల్యానికి Google డాక్యుమెంట్ చేసిన కారణాలు ఇవి:
- sitemap robots.txt ద్వారా బ్లాక్ అయింది. sitemapలను తెచ్చుకునేటప్పుడు Google robots.txtను గౌరవిస్తుంది, కాబట్టి
Disallow: /sitemapవంటి రూల్ దాన్ని ఆపుతుంది. - URL తప్పు, 404 ఇస్తుంది. వేరే పాత్, లేని
www, లేదాhttpsకు బదులుhttpసాధారణ పొరపాట్లు. - సర్వర్ అందుబాటులో లేకపోవడం వంటి సాధారణ ఎర్రర్. వీటిలో కొన్ని తాత్కాలికం.
- సైట్పై పరిష్కరించని manual action ఉంది. అది సరిచేసే వరకు sitemapలు చదవబడవు.
- sitemapకు తక్కువ crawl demand.
Google విడిగా పేర్కొనని ఒక కారణం సాధారణ లేదా HTTP ఎర్రర్గా కనిపిస్తుంది: మీ బ్రౌజర్కు ఫైల్ ఇస్తూ Googlebotకు 403, 429 లేదా ఛాలెంజ్ పేజీతో జవాబిచ్చే ఫైర్వాల్, CDN లేదా బాట్ ప్రొటెక్షన్. ఫైల్ ముందు లాగిన్ అవసరం కూడా అదే చేస్తుంది. Google వైపు నుంచి వైఫల్యాన్ని నిర్ధారించడానికి, sitemap URLను URL Inspection టూల్లో అతికించి, లైవ్ టెస్ట్ నడిపి, Crawl allowed Yes అని, Page fetch Successful అని ఉందో తనిఖీ చేయండి.
sitemapను బయటి నుంచి ఎలా పరీక్షించాలి?
ఈ నాలుగు తనిఖీలను ఏ కంప్యూటర్ నుంచైనా నడపండి. example.comను మీ డొమైన్తో మార్చండి.
# 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 ఏమి చూడాలి: చివరి స్టేటస్ 200 కావాలి. రీడైరెక్ట్ల గొలుసు అంటే మీరు చివరిది కాని చిరునామాను సమర్పించారు; Search Console మీరు సమర్పించిన ఖచ్చితమైన URLను చూపిస్తుంది, దాని కోసం రీడైరెక్ట్లను అనుసరించదు, కాబట్టి చివరి URLను సమర్పించండి. HTML బాడీతో పాటు text/html కంటెంట్ టైప్ వస్తే, సర్వర్ ఫైల్కు బదులు ఒక పేజీని, తరచుగా 404 పేజీని లేదా హోమ్ పేజీని పంపిందని అర్థం. తనిఖీ 1 200 ఇస్తూ తనిఖీ 2 403, 429 లేదా 503 ఇస్తే, ఫైర్వాల్ రూల్ క్రాలర్లను వేరేగా చూస్తోంది. కొన్ని సర్వర్లు HEAD అభ్యర్థనలకు GETకు భిన్నంగా జవాబిస్తాయి, అందుకే తనిఖీ 2 సాధారణ అభ్యర్థనను ఉపయోగిస్తుంది.
మీ పరీక్ష మీ సొంత IP చిరునామా నుంచి వస్తుంది, కాబట్టి మీ రూల్స్ యూజర్ ఏజెంట్ను ఎలా చూస్తాయో అది చూపిస్తుంది. IP పరిధుల ఆధారంగా ఉండే రూల్స్ అసలు Googlebotను ఇంకా వేరేగా చూడవచ్చు. Google తన క్రాలర్ IP పరిధులను ప్రచురిస్తుంది, reverse DNS ధృవీకరణకు మద్దతిస్తుంది, కాబట్టి allow రూల్ యూజర్ ఏజెంట్ స్ట్రింగ్కు బదులు అసలు క్రాలర్కు సరిపోలవచ్చు.
Has errors సందేశాల అర్థం ఏమిటి, వాటిని ఎలా సరిచేయాలి?
ఫైల్ తెచ్చుకోబడి పూర్తిగా పార్స్ కానప్పుడు, వివరాల పేజీ ఎర్రర్ పేరు చెబుతుంది. మీకు ఎక్కువగా కనిపించేవి:
- Parsing error: XMLను పార్స్ చేయలేకపోయింది, తరచుగా URLలో escape చేయని అక్షరం వల్ల.
&ను&గా రాయండి,',",<,>ను కూడా escape చేయండి. - Unsupported format: హెడర్ లేదా namespace తప్పు. sitemap XML డిక్లరేషన్తో మొదలై, నేరుగా ఉండే కొటేషన్ గుర్తులతో
http://www.sitemaps.org/schemas/sitemap/0.9namespaceను ఉపయోగించాలి. - Invalid date:
lastmodW3C Datetimeను ఉపయోగించాలి, ఉదాహరణకు2026-11-17లేదా2026-11-17T09:30:00+00:00. సమయం చేర్చితే, టైమ్ జోన్ కూడా చేర్చండి. - URL not allowed: జాబితాలోని URLలు sitemap ఫోల్డర్ పైన లేదా వేరే డొమైన్ లేదా ప్రోటోకాల్లో ఉన్నాయి. Path mismatch అనేది
wwwతో అదే సమస్య: sitemap, దాని URLలు ఒకేలా ఉండాలి. - Too many URLs లేదా Sitemap file size error: 50,000 కంటే ఎక్కువ URLలు లేదా కంప్రెస్ చేయకుండా 50 MB కంటే ఎక్కువ. ఫైల్ను విభజించి, భాగాలను sitemap indexలో జాబితా చేయండి.
- Compression error: gzip ఫైల్ పాడైంది. మళ్లీ కంప్రెస్ చేసి, అప్లోడ్ చేసి, మళ్లీ సమర్పించండి.
- Empty sitemap: ఫైల్లో URLలు లేవు. దాన్ని రాసే జనరేటర్ను తనిఖీ చేయండి.
- Leading whitespace: ఇది హెచ్చరిక మాత్రమే. XML డిక్లరేషన్ ముందు ఉన్నదంతా తొలగించండి.
- URLs not followed లేదా URLs not accessible: ఫైల్ సరిగ్గానే ఉంది, కానీ జాబితాలోని URLలు చాలాసార్లు రీడైరెక్ట్ అవుతున్నాయి లేదా క్రాల్ చేయలేనివి. చివరి, పూర్తి URLలను మాత్రమే జాబితా చేయండి.
<?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> sitemap పరిమాణ పరిమితులు, ఫార్మాట్ నియమాలు ఏమిటి?
sitemaps.org ప్రోటోకాల్, Google డాక్యుమెంటేషన్ ఒకే పరిమితులు పెడతాయి: ఒక్కో sitemap ఫైల్కు 50,000 URLలకు మించకూడదు, కంప్రెస్ చేయకుండా 50 MBకి మించకూడదు. sitemap index 50,000 sitemapల వరకు జాబితా చేయవచ్చు, దానికీ అదే పరిమాణ పరిమితి ఉంది, index దాన్ని దాటితే Google Too many sitemaps అని చూపిస్తుంది. indexలు ఇతర indexలను సూచించలేవు. ఫైల్ UTF-8 ఎన్కోడింగ్లో ఉండాలి, ప్రతి విలువ entity-escape చేయబడాలి, పూర్తి, absolute URLలను Google కోరుతుంది.
priority, changefreqను విస్మరిస్తామని, lastmod స్థిరంగా, ధృవీకరించగలిగేలా ఖచ్చితంగా ఉన్నప్పుడే ఉపయోగిస్తామని కూడా Google చెబుతుంది, కాబట్టి దాన్ని కంటెంట్ చివరిసారి అర్థవంతంగా మారిన తేదీకి సెట్ చేయండి. sitemaps.org ప్రోటోకాల్ ప్రకారం, https://example.com/blog/sitemap.xmlలోని sitemap /blog/ కింద ఉన్న URLలను మాత్రమే జాబితా చేయగలదు, అందుకే sitemapలను సైట్ రూట్లో పెట్టమని Google సిఫార్సు చేస్తుంది. పెద్ద సైట్ తన URLలను అనేక ఫైల్లుగా విభజించి, ఒక indexను సమర్పిస్తుంది:
<?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> robots.txtకు పూర్తి URLతో ఒక లైన్ కూడా జోడించండి, ఉదాహరణకు Sitemap: https://example.com/sitemap.xml. ఇది ఫైల్లో ఎక్కడైనా ఉండవచ్చు, robots.txt చదివే ఏ క్రాలర్ అయినా, మీరు సమర్పించిన వాటికే కాకుండా, దాని నుంచి మీ sitemapను కనుగొనగలదు.
AI క్రాలర్లు కూడా sitemapలను ఉపయోగిస్తాయా?
Google కోసం, పరోక్షంగా అవును. sitemapలు Google తన Search ఇండెక్స్ కోసం URLలను కనుగొనడంలో సహాయపడతాయి, తన AI Overviews, AI Mode ఆ ఇండెక్స్పై ఆధారపడతాయని Google చెబుతుంది: సహాయక లింక్గా కనిపించడానికి పేజీ ఇండెక్స్ అయి, snippetకు అర్హత కలిగి ఉండాలి. కాబట్టి ఇండెక్సింగ్ను నెమ్మదింపజేసే sitemap ఎర్రర్ Google AI ఫీచర్లలో పేజీ కనిపించడాన్ని కూడా ఆలస్యం చేయవచ్చు.
ఇతర జవాబు ఇంజిన్ల కోసం ఇది డాక్యుమెంట్ కాలేదు. OpenAI, Anthropic, Perplexity క్రాలర్ డాక్యుమెంటేషన్ తమ క్రాలర్లు sitemapలను చదువుతాయో చెప్పదు, కాబట్టి ChatGPT, Claude లేదా Perplexityలోకి పేజీని తేవడానికి sitemapపై ఆధారపడకండి. అక్కడ అంతర్గత లింక్లు, తెరిచి ఉన్న robots.txt, ఫైర్వాల్ ఎక్కువ ముఖ్యం. పనిచేసే sitemap, robots.txtలో Sitemap: లైన్ ఉంచడానికి ఖర్చు లేదు, వాటిని ఉపయోగించే ఏ క్రాలర్కైనా ఉపయోగపడుతుంది.
పూర్తి AISeeWhy రిపోర్ట్ robots.txtలో ప్రకటించిన లేదా /sitemap.xmlలో దొరికిన sitemapలను చదువుతుంది, తెచ్చుకోలేని లేదా పార్స్ చేయలేని sitemapను ఒక్కో సందర్భానికి పరిష్కార గైడ్తో చూపిస్తుంది: sitemap అందుబాటులో లేదు, sitemap చదవలేనిది.
ఈ సమస్యకు పరిష్కారాలు
- llms.txtలో పాడైన లింక్లు: 2
- Sitemap కనబడలేదు
- Sitemapను తెచ్చుకోలేకపోయాం (స్టేటస్ 403)
- Sitemapను చదవలేకపోయాం
తదుపరి దశలు
- AI క్రాలర్ల కోసం robots.txt టెస్టర్, చెకర్
- AI క్రాలర్ IP తనిఖీ
- పూర్తి రిపోర్ట్ ఉదాహరణను చూడండి
- AI క్రాలర్ మానిటరింగ్
- ప్లాన్లు, ధరలు
ఈ వ్యాసంలోని క్రాలర్లు
తరచుగా అడిగే ప్రశ్నలు
Impossible de lire le sitemap అంటే ఏమిటి?
ఇది Sitemap could not be read కోసం ఫ్రెంచ్ Search Console టెక్స్ట్. Google ఫైల్ను అసలు తెచ్చుకోలేనప్పుడు వివరాల పేజీలో కనిపిస్తుంది. URL, robots.txt, సర్వర్ స్టేటస్ కోడ్, మీ ఫైర్వాల్ను తనిఖీ చేసి, కారణాన్ని సరిచేసి, మళ్లీ సమర్పించండి.
సరిచేసిన తర్వాత Google నా sitemapను ఎంత కాలానికి మళ్లీ చదువుతుంది?
మీరు sitemap సమర్పించిన వెంటనే దాన్ని క్రాల్ చేయడానికి ప్రయత్నిస్తామని Google చెబుతుంది, కాబట్టి సరిచేసిన తర్వాత మళ్లీ సమర్పించండి. విజయవంతంగా చదివిన తర్వాత, సైట్లోని మిగతా భాగంతో సంబంధం లేకుండా తన సొంత షెడ్యూల్ ప్రకారం sitemapను మళ్లీ క్రాల్ చేస్తుంది.
నా sitemap Sitemaps రిపోర్ట్లో ఎందుకు కనిపించడం లేదు?
రిపోర్ట్ రిపోర్ట్ లేదా API ద్వారా సమర్పించిన sitemapలను మాత్రమే, ప్రస్తుత ప్రాపర్టీకి మాత్రమే చూపిస్తుంది. robots.txt ద్వారా దొరికిన sitemapను Google అక్కడ కనిపించకుండానే ఉపయోగించవచ్చు. దాని స్టేటస్ చూడటానికి దాన్ని సమర్పించండి.
sitemap ఎర్రర్ నా పేజీలను Google నుంచి తొలగిస్తుందా?
దానంతట అది తొలగించదు. ముందు విజయవంతంగా చదివినప్పుడు నేర్చుకున్నది గుర్తుంచుకుంటామని, తర్వాత వచ్చే వైఫల్యం దాన్ని మర్చిపోయేలా చేయదని Google చెబుతుంది. sitemap మళ్లీ పనిచేసే వరకు కొత్త, మారిన పేజీలు నెమ్మదిగా కనుగొనబడవచ్చు.
sitemapను తొలగించి మళ్లీ సమర్పిస్తే ఎర్రర్ పోతుందా?
కారణం సరిచేస్తేనే. రిపోర్ట్ నుంచి sitemapను తొలగిస్తే Google దాన్ని లేదా దాని URLలను మర్చిపోదు, ఇంకా విఫలమయ్యే sitemapను మళ్లీ సమర్పిస్తే అదే ఎర్రర్ వస్తుంది.
మూలాలు
- Google Search Console Help: Sitemaps report
- Google Search Console Help: Rapport sur les sitemaps (ఫ్రెంచ్)
- 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