Un sitemap es un archivo XML que enumera las URL de un sitio web y, en ocasiones, indica la fecha de su última modificación. Los motores de búsqueda lo utilizan para descubrir y rastrear páginas de forma más eficiente. Para los usuarios, este mismo archivo se convierte en un mapa legible de todo el contenido publicado, siempre que sepan dónde encontrarlo y cómo leerlo.
Localizar el archivo sitemap XML desde robots.txt
Cualquier sitio web puede indicar la ubicación de su sitemap en un archivo de texto accesible desde la raíz del dominio. Para consultarlo, basta con añadir /robots.txt a la dirección del sitio; por ejemplo, https://example.com/robots.txt.
En este archivo, una línea que empieza por Sitemap: indica la URL exacta del archivo XML. Puede haber varias líneas de este tipo si el sitio utiliza varios sitemaps temáticos o un índice de sitemaps.
Este método funciona independientemente del CMS utilizado. Es el más fiable porque se basa en una declaración explícita del propietario del sitio, no en una convención de URL. Al consultar el sitemap de Optimum Santé, se accede directamente a la estructura completa de los contenidos publicados en el dominio.
Si robots.txt no menciona ningún sitemap, conviene probar rápidamente estas dos rutas estandarizadas: /sitemap.xml y /sitemap_index.xml. La primera es la convención más extendida; la segunda corresponde a la estructura que generan extensiones de WordPress como Yoast SEO o Rank Math.
Índice de sitemaps y sitemaps secundarios: cómo entender la estructura anidada
Un archivo sitemap puede contener hasta 50 000 URL. Si se supera ese límite o el sitio organiza el contenido por tipo (artículos, páginas de productos, imágenes, vídeos), se utiliza un índice de sitemaps como archivo principal. Este no enumera URL de páginas, sino URL que apuntan a otros sitemaps.
Abrir un índice de sitemaps es como consultar un índice. Cada sitemap secundario agrupa un conjunto coherente de páginas. En un sitio de comercio electrónico, uno puede reunir las fichas de producto, otro las categorías y un tercero los artículos del blog.
Identificar las secciones útiles en un índice extenso
El nombre de los sitemaps secundarios suele dar pistas sobre su contenido. Un archivo llamado post-sitemap.xml contendrá los artículos, mientras que page-sitemap.xml agrupará las páginas estáticas. Los nombres varían según el CMS y las extensiones instaladas, pero la lógica es la misma: cada archivo corresponde a un tipo de contenido.
Para encontrar información concreta, no hace falta recorrer las miles de URL de todo un sitio. Identificar el sitemap secundario adecuado y abrirlo directamente permite limitar la búsqueda a unas decenas o cientos de páginas relevantes.
Leer las etiquetas XML del sitemap para filtrar las páginas recientes
Cada entrada de un sitemap XML puede contener varias etiquetas. Dos son realmente útiles para explorar un sitio:
<loc>contiene la URL completa de la página. Es el dato principal, el que permite acceder directamente al contenido.<lastmod>indica la fecha de la última modificación declarada por el sitio. Permite identificar contenido publicado o actualizado recientemente.<changefreq>y<priority>aparecen a veces en el archivo, pero Google ignora estos dos campos. Rellenarlos no influye ni en la frecuencia de rastreo ni en el posicionamiento.
La etiqueta lastmod merece especial atención. Su fiabilidad depende por completo del rigor del sitio: algunos CMS la actualizan cada vez que se vuelve a generar el archivo, aunque el contenido no haya cambiado realmente. Para comprobar si una fecha corresponde a un cambio efectivo, la única forma fiable es comparar la página con una versión en caché o en una herramienta de archivo.
Navegar por un archivo XML sin formato
Al abrir un sitemap en un navegador, se muestra el XML sin formato, que a veces resulta difícil de leer. La función de búsqueda del navegador (Ctrl+F o Cmd+F) permite filtrar las URL directamente por palabra clave. Al escribir un término como “guía”, “tarifa” o “2025” en la barra de búsqueda, aparecen las páginas correspondientes sin tener que recorrer el archivo línea por línea.
Para un análisis más exhaustivo, se puede copiar el contenido en una hoja de cálculo o un editor de texto y ordenar las URL por fecha o por sección de la estructura del sitio.
Limitaciones del sitemap: qué garantiza y qué no garantiza el archivo
Un sitemap enumera las URL que el propietario del sitio quiere mostrar a los motores de búsqueda. Su presencia no garantiza que las páginas incluidas se rastreen ni se indexen. Google puede decidir no rastrear algunas de las URL enumeradas o indexar otras que haya descubierto por otros medios.
El archivo tampoco refleja la totalidad de un sitio. Puede omitir páginas protegidas mediante autenticación, URL bloqueadas en robots.txt o contenido generado dinámicamente. Consultar un sitemap ofrece una visión parcial, condicionada por las decisiones técnicas del webmaster.
Si las URL de un sitemap devuelven errores 404 o redirecciones, es señal de falta de mantenimiento. Si varias URL del archivo no cargan ninguna página, es posible que el resto de la información del sitemap también esté desactualizada.
Sitemap y búsqueda de información: casos de uso concretos
Además de para el posicionamiento, el sitemap sirve como punto de partida rápido para tareas concretas:
- Identificar todos los artículos de un blog sobre un tema determinado filtrando las URL por palabra clave en el sitemap secundario de publicaciones.
- Estimar el volumen de contenido de un sitio de la competencia sin rastrear todo el dominio. El número de entradas del sitemap ofrece una estimación fiable de la cantidad de páginas publicadas.
- Detectar páginas modificadas recientemente gracias a la etiqueta
lastmody seguir las novedades editoriales de un sitio sin tener que consultarlo manualmente cada día. - Comprobar que una página concreta aparece en el sitemap, lo que confirma que el propietario del sitio la considera relevante para la indexación.
El sitemap es una alternativa práctica a un rastreo completo cuando solo se necesita conocer la lista de páginas existentes. Un rastreador recorre los enlaces internos página por página y consume tiempo y ancho de banda. El sitemap proporciona esa lista en una sola solicitud HTTP.
Consultar un sitemap es una tarea técnica sencilla que no requiere herramientas de pago. Basta con un navegador, su función de búsqueda integrada y, para los archivos grandes, una hoja de cálculo para extraer la información útil de un sitio bien estructurado.
