XML সাইটম্যাপ পার্সার সাইটম্যাপের মার্কআপকে পাঠযোগ্য এন্ট্রির তালিকায় রূপান্তর করে। Screpy একটি XML নথি থেকে তালিকাভুক্ত URL ও ঐচ্ছিক মেটাডেটা বের করে এবং CSV বা TXT ডাউনলোড করতে দেয়। পরবর্তী পরীক্ষার জন্য তালিকাটি ব্যবহার করুন; শুধু URL বের হওয়া থেকে বোঝা যায় না যে পৃষ্ঠাটি কাজ করে বা সার্চের ফলাফলে দেখা যায়।
সাইটম্যাপ থেকে URL বের করার উপায়
সর্বজনীনভাবে খোলা যায় এমন XML ফাইলের সঠিক ঠিকানা জানা থাকলে URL ইনপুট বেছে নিন। https://example.com/sitemap.xml ঠিকানার ধরন বোঝানোর উদাহরণ; এর বদলে নিজের সাইটম্যাপ দিন। হোমপেজের ঠিকানা XML-এর বদলে HTML ফেরত দিতে পারে। আগে ফাইল খুঁজতে হলে সাইটম্যাপ চেকার ব্যবহার করুন।
নথির বিষয়বস্তু হাতে থাকলে XML পেস্ট করার বিকল্প নিন। মূল এলিমেন্টসহ আসল XML কপি করুন, ব্রাউজারের সাজানো টেবিল বা সাইটম্যাপের লিংক থাকা HTML পৃষ্ঠা নয়। কম্পিউটারের ফাইল টেক্সট এডিটরে খুলে এখানে পেস্ট করতে পারেন; ফাইল আপলোডের ব্যবস্থা নেই।
উৎস জমা দিয়ে ডাউনলোডের আগে নথির ধরন, এন্ট্রি ও পরীক্ষার আওতার বার্তা দেখুন। পার্সার শুধু এই নথিটি পড়ে। এন্ট্রি সাইটম্যাপ হিসেবে চিহ্নিত হলে পৃষ্ঠার URL পেতে তালিকার কোনো উপসাইটম্যাপ ফাইলের ঠিকানা আলাদাভাবে পার্স করুন।
সাইটম্যাপ সূচি পৃষ্ঠার নয়, সাইটম্যাপের URL দেয়
মূল এলিমেন্ট বলে দেয় প্রতিটি সারি কী বোঝায়। urlset-এ পৃষ্ঠার url এন্ট্রি থাকে। sitemapindex-এ অন্য সাইটম্যাপ ফাইলের ঠিকানা দেওয়া sitemap এন্ট্রি থাকে। দুটিই Sitemaps প্রোটোকলের নির্ধারিত নেমস্পেস ব্যবহার করে।
শুধু বোঝানোর জন্য দেওয়া এই সাইটম্যাপ থেকে একটি পৃষ্ঠার এন্ট্রি পাওয়া যায়:
<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
<url>
<loc>https://example.com/products/blue-mug/</loc>
<lastmod>2026-09-01</lastmod>
</url>
</urlset>
এবার এমন সূচি ভাবুন যেখানে products-sitemap.xml ও blog-sitemap.xml আছে। দুই ফাইলে মোট হাজার হাজার পৃষ্ঠার URL থাকলেও সূচি পার্স করলে দুটি সাইটম্যাপ সারি আসবে। দুই হলো সূচির এন্ট্রি সংখ্যা, ওয়েবসাইটের পৃষ্ঠা সংখ্যা নয়।
প্রতিটি উপফাইল আলাদা পড়ুন এবং রপ্তানি করা তালিকার সঙ্গে তার নাম রাখুন। Screpy সূচিকে স্বয়ংক্রিয়ভাবে একত্রিত পৃষ্ঠার তালিকায় প্রসারিত করে না। TXT নামানোর সময়ও এটি জরুরি: সূচির রপ্তানিতে সাইটম্যাপ ফাইলের ঠিকানা থাকে, পরীক্ষা করার পৃষ্ঠার ঠিকানা নয়।
বের করা ক্ষেত্রগুলোর অর্থ
টেবিল উৎসের মানক সাইটম্যাপ ক্ষেত্র পড়ে। অনুপস্থিত ঐচ্ছিক মান রপ্তানিতে ফাঁকাই থাকে; পার্সার তারিখ যোগ করে না বা গুরুত্বের স্কোর গণনা করে না।
| CSV কলাম | অর্থ | কীভাবে বুঝবেন |
|---|---|---|
kind |
page বা sitemap |
পৃষ্ঠার তালিকা ও সূচির এন্ট্রি আলাদা করে। |
loc |
তালিকাভুক্ত ঠিকানা | উৎসের মান; গন্তব্য সাড়া দেয় তার প্রমাণ নয়। |
lastmod |
ঘোষিত পরিবর্তনের তারিখ | সূচিতে এটি সাইটম্যাপ ফাইলের তারিখ, তালিকার পৃষ্ঠার নয়। |
changefreq |
ঘোষিত পরিবর্তনের হার | থাকলে কপি হয়; টুল নিজে মাপে না। |
priority |
ঘোষিত আপেক্ষিক অগ্রাধিকার | উৎসের ইঙ্গিত, সার্চ অবস্থান বা SEO স্কোর নয়। |
line |
এন্ট্রির উৎস লাইন | সংশ্লিষ্ট XML এন্ট্রি খুঁজতে সাহায্য করে। |
Google জানায়, তারা changefreq ও priority উপেক্ষা করে। lastmod ব্যবহার করে যখন তারিখটি ধারাবাহিকভাবে যাচাইযোগ্য গুরুত্বপূর্ণ পরিবর্তন বোঝায়। মান বের করা তার নির্ভুলতা নিশ্চিত করে না। দেখুন Google-এর সাইটম্যাপ নির্দেশনা।
একই ঠিকানা বারবার থাকলে আলাদা সারিতেই থাকে। ডুপ্লিকেট সংখ্যা পুনরাবৃত্তি চিনতে সাহায্য করে; রপ্তানি তা মুছে দেয় না। অস্বাভাবিক তারিখ বা অগ্রাধিকার সাইটম্যাপ যাচাইকারী দিয়ে পরীক্ষা করুন। ক্ষেত্র পড়া ও যাচাই করা আলাদা কাজ।
সাইটম্যাপ XML থেকে CSV বা URL তালিকা তৈরি করুন
প্রতিটি ঠিকানার পাশে মেটাডেটা দরকার হলে CSV নামান। স্প্রেডশিটে আমদানির সময় URL কলামকে টেক্সট হিসেবে ধরুন। তারপর স্প্রেডশিটের ফিল্টার দিয়ে /products/ ও /blog/-এর মতো পথের দল বানান। ফিল্টার স্প্রেডশিটে আপনি প্রয়োগ করবেন; পার্সার নিজে তা করে না।
পরের টুলে প্রতি লাইনে একটি URL লাগলে TXT নামান। এতে XML মার্কআপ ও মেটাডেটার কলাম বাদ যায়। আগে এন্ট্রির ধরন দেখুন, যাতে পৃষ্ঠা পরীক্ষার টুলে উপসাইটম্যাপের বদলে পৃষ্ঠার URL দেন।
সম্পাদনা বা ডুপ্লিকেট সরানোর আগে ডাউনলোডের অপরিবর্তিত কপি রাখুন। পাশে সাইটম্যাপের ঠিকানা ও তথ্য বের করার তারিখ লিখুন। দুই ফরম্যাটেই শুধু সংরক্ষিত সারি থাকে; আংশিক রিপোর্ট মানে আংশিক রপ্তানিও।
অডিট ও সাইট স্থানান্তরের জন্য তালিকা বানান
সাইট স্থানান্তরের আগে URL বদলানোর আগেই পুরোনো সাইটের প্রাসঙ্গিক সাইটম্যাপ রপ্তানি করে রাখুন। প্রতিটি পুরোনো ঠিকানার পাশে পরিকল্পিত নতুন ঠিকানা দিয়ে ম্যাপিং শিট বানান। স্থানান্তরের পর সংশ্লিষ্ট নতুন সাইটম্যাপ থেকে তথ্য বের করে দুই তালিকা তুলনা করুন। অনুপস্থিত ঠিকানা তদন্ত করার পার্থক্য; পৃষ্ঠা নষ্ট হওয়ার সরাসরি প্রমাণ নয়। সাইট সেটিকে ইচ্ছাকৃতভাবে সাইটম্যাপ থেকে সরিয়ে থাকতে পারে।
উপফাইল একত্র করলে উৎস সাইটম্যাপের কলাম নিজে যোগ করুন। সমতুল্য অংশ তুলনা করুন ও প্রতিটি তথ্য সংগ্রহ সম্পূর্ণ হয়েছে নিশ্চিত করুন। না হলে সীমিত রপ্তানি বা বাদ যাওয়া ফাইলকে বিষয়বস্তু হারানো মনে হতে পারে।
রেসপন্স কোড বা রিডাইরেক্ট দেখতে সর্বোচ্চ ৫০টি পৃষ্ঠার URL-এর ব্যাচ বাল্ক HTTP স্ট্যাটাস চেকার-এ দিন। সাইটম্যাপে থাকা থেকে ইনডেক্সিং নিশ্চিত হয় না, সাইটের সব URL পাওয়া যায় না বা পৃষ্ঠার অভ্যন্তরীণ লিংক নেই প্রমাণ হয় না। এসবের আলাদা তথ্য দরকার।
তথ্য বের করা ব্যর্থ হয় বা তালিকা আংশিক হয় কেন?
ব্যর্থ হলে আগে দেখুন ঠিকানাটি XML দিচ্ছে, লগইন পৃষ্ঠা, প্রবেশ যাচাই বা সাধারণ HTML নয়। পেস্ট করা XML-এ শেষের ট্যাগ অনুপস্থিত কি না দেখুন এবং সম্পূর্ণ নথি আবার কপি করুন। সমর্থিত মূল এলিমেন্ট urlset বা sitemapindex, মানক সাইটম্যাপ নেমস্পেসসহ। সাধারণ টেক্সট URL তালিকা বা RSS ফিড এই পার্সারের XML সাইটম্যাপ ইনপুট নয়।
XML-এ URL-এর & চিহ্ন এস্কেপ করতে হয়: loc-এ ?color=blue&size=m লিখুন। বের করা ঠিকানায় ডিকোড করা & থাকে। DOCTYPE ঘোষণা থাকা নথি সমর্থিত নয়।
পেস্ট করা XML-এর সীমা ২৫৬ KiB। দূরবর্তী XML-এর সীমা ডিকম্প্রেশনের পরে ৫০ MiB। পার্সার সর্বোচ্চ ৫,০০০ এন্ট্রি রাখে; রেসপন্সের আকারের সীমায় দেখানো তালিকা আরও ছোট হতে পারে। শেষ দৃশ্যমান সারিকে ফাইলের শেষ না ধরে আওতার বার্তা পড়ুন। সীমায় পড়া থামলে মোট এন্ট্রি সংখ্যা জানা নাও যেতে পারে।
সাইটম্যাপ প্রোটোকল প্রতি ফাইলে সর্বোচ্চ ৫০,০০০ এন্ট্রি অনুমোদন করে; তাই বলে এই টুল সবগুলো ফেরত দেবে না। বড় তালিকার জন্য ছোট উৎস সাইটম্যাপ আলাদা পড়ুন এবং প্রতিটি অংশের হিসাব রাখুন। আংশিক তথ্যকে কখনো সম্পূর্ণ ওয়েবসাইটের তালিকা হিসেবে দেখাবেন না।