Un analizador XML de sitemap convierte el marcado en una lista de entradas legible. Screpy extrae las URL y sus metadatos opcionales de un documento XML y permite descargar CSV o TXT. La lista sirve como inventario para la siguiente comprobación; extraer una dirección no demuestra que la página funcione ni que aparezca en los resultados de búsqueda.
Cómo extraer URL de un sitemap
Elige la entrada URL si conoces la dirección exacta de un archivo XML accesible públicamente. https://example.com/sitemap.xml ilustra el formato; sustitúyela por tu propio sitemap. La dirección de inicio puede devolver HTML. Si primero necesitas localizar el archivo, utiliza Sitemap Checker.
Elige pegar XML si ya tienes el contenido del documento. Copia el XML original con su elemento raíz, no la tabla formateada del navegador ni una página HTML que enlace al sitemap. Puedes abrir un archivo local en un editor de texto y pegarlo aquí; no hay opción para subir archivos.
Envía la fuente y revisa el tipo de documento, las entradas y el aviso de cobertura antes de descargar. El analizador solo lee este documento. Si identifica las entradas como sitemaps, analiza por separado una de esas direcciones de archivo hijo para obtener las URL de las páginas.
Un índice devuelve URL de sitemaps, no de páginas
El elemento raíz determina qué representa cada fila. Un urlset contiene entradas url de páginas. Un sitemapindex contiene entradas sitemap que apuntan a otros archivos. Ambos usan el espacio de nombres definido en el protocolo Sitemaps.
Este sitemap ilustrativo produce una entrada de página:
<?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>
Imagina ahora un índice con products-sitemap.xml y blog-sitemap.xml. Analizarlo devuelve dos filas de sitemap, aunque esos archivos contengan miles de URL de páginas en conjunto. Dos es el número de entradas del índice, no el número de páginas del sitio.
Analiza cada archivo hijo por separado y conserva su nombre junto al inventario exportado. Screpy no expande automáticamente un índice en una lista combinada de páginas. También importa al descargar TXT: la exportación de un índice contiene direcciones de archivos sitemap, que no deben confundirse con páginas para auditar.
Qué significan los campos extraídos
La tabla lee los campos estándar de la fuente. Los valores opcionales ausentes quedan vacíos en la exportación; el analizador no añade fechas ni calcula puntuaciones de importancia.
| Columna CSV | Significado | Interpretación |
|---|---|---|
kind |
page o sitemap |
Distingue el inventario de páginas de las entradas del índice. |
loc |
Dirección indicada | Valor de la fuente, no prueba de que el destino responda. |
lastmod |
Fecha de modificación declarada | En un índice corresponde al archivo sitemap, no a una página listada. |
changefreq |
Frecuencia de cambios declarada | Se copia si existe; la herramienta no la mide. |
priority |
Prioridad relativa declarada | Indicación de la fuente, no posición de búsqueda ni puntuación SEO. |
line |
Línea de origen de la entrada | Ayuda a localizar la entrada XML correspondiente. |
Google indica que ignora changefreq y priority, y utiliza lastmod cuando refleja de forma consistente una actualización significativa verificable. Extraer esos valores no confirma su exactitud. Consulta la guía de sitemaps de Google.
Las direcciones repetidas permanecen en filas repetidas. El recuento de duplicados permite detectar la repetición; exportar no la elimina. Comprueba fechas o prioridades inusuales con el Validador de Sitemap: leer un campo y validarlo son tareas distintas.
Convertir XML de sitemap en CSV o una lista de URL
Descarga CSV si necesitas los metadatos junto a cada dirección. Importa el archivo en una hoja de cálculo tratando la columna URL como texto. Después puedes agrupar rutas como /products/ y /blog/ con los filtros de la hoja. Esos filtros se aplican en tu hoja de cálculo; el analizador no los aplica por ti.
Descarga TXT cuando la siguiente herramienta espere una URL por línea. Así se eliminan el marcado XML y las columnas de metadatos. Revisa antes el tipo de entrada para enviar URL de páginas, no URL de sitemaps hijos, a una herramienta de comprobación de páginas.
Conserva una copia sin modificar antes de editar o eliminar duplicados. Anota junto a ella la dirección del sitemap y la fecha de extracción. Ambos formatos contienen solo las filas conservadas; un informe parcial también implica una exportación parcial.
Crear un inventario para auditorías y migraciones
Para una migración, guarda las exportaciones relevantes del sitio antiguo antes de cambiar sus URL. Añade el destino propuesto junto a cada dirección antigua para crear una hoja de correspondencias. Tras la migración, extrae los sitemaps nuevos equivalentes y compara las listas. Una dirección ausente es una diferencia que investigar, no una prueba automática de una página rota: el sitio puede haberla retirado del sitemap deliberadamente.
Al combinar archivos hijos, añade tú una columna con el sitemap de origen. Compara secciones equivalentes y confirma que cada extracción terminó por completo. De lo contrario, una exportación limitada o un archivo omitido puede parecer una pérdida de contenido.
Usa Bulk HTTP Status Checker para solicitar las URL de páginas en grupos de hasta 50 e investigar códigos de respuesta o redirecciones. Estar en un sitemap no confirma la indexación, no descubre todas las URL de un sitio ni demuestra que una página carezca de enlaces internos. Esas cuestiones requieren otras pruebas.
Por qué falla la extracción o devuelve una lista parcial
Si falla, confirma primero que la dirección devuelve XML y no una pantalla de inicio de sesión, una comprobación de acceso o una página HTML normal. En el XML pegado, revisa las etiquetas de cierre que falten y vuelve a copiar el documento completo. La raíz admitida es urlset o sitemapindex, con el espacio de nombres estándar. Una lista de texto o un feed RSS no es una entrada XML de sitemap para este analizador.
En XML, el signo & dentro de una URL debe escaparse: escribe ?color=blue&size=m en loc. La dirección extraída contiene el & decodificado. No se admiten documentos con una declaración DOCTYPE.
El XML pegado está limitado a 256 KiB. El XML remoto, a 50 MiB después de descomprimirlo. El analizador conserva hasta 5.000 entradas; los límites del tamaño de respuesta pueden reducir más la lista mostrada. Revisa el aviso de cobertura en lugar de asumir que la última fila visible es el final del archivo. Si la lectura se detuvo en un límite, el total completo puede no estar disponible.
El protocolo permite hasta 50.000 entradas por archivo, pero eso no garantiza que este extractor pueda devolverlas todas. Para inventarios grandes, procesa por separado sitemaps de origen más pequeños y registra cada parte. Nunca presentes una extracción parcial como el inventario completo del sitio.