Un analyseur XML de sitemap transforme le balisage en une liste d’entrées lisible. Screpy extrait les URL et leurs métadonnées facultatives d’un document XML, puis permet de télécharger un CSV ou un TXT. Cette liste constitue un inventaire pour votre prochaine vérification ; l’extraction ne prouve pas que les pages fonctionnent ou apparaissent dans les résultats de recherche.
Comment extraire les URL d’un sitemap
Choisissez l’entrée URL si vous connaissez l’adresse exacte d’un fichier XML accessible au public. https://example.com/sitemap.xml illustre le format ; remplacez cette adresse par celle de votre sitemap. L’adresse d’accueil peut renvoyer du HTML. Pour trouver le fichier, utilisez Sitemap Checker.
Choisissez le XML collé si vous disposez déjà du contenu. Copiez le XML brut avec son élément racine, pas le tableau mis en forme par le navigateur ni une page HTML contenant un lien vers le sitemap. Vous pouvez ouvrir un fichier local dans un éditeur de texte et coller son contenu ici ; aucun téléversement de fichier n’est proposé.
Envoyez la source, puis examinez le type de document, les entrées et l’avis de couverture avant de télécharger. L’analyseur lit uniquement ce document. Si les entrées sont identifiées comme des sitemaps, analysez séparément l’adresse d’un fichier enfant pour obtenir les URL des pages.
Un index renvoie des URL de sitemaps, pas de pages
L’élément racine détermine ce que représente une ligne. Un urlset contient des entrées url pour les pages. Un sitemapindex contient des entrées sitemap pointant vers d’autres fichiers sitemap. Tous deux utilisent l’espace de noms du protocole Sitemaps.
Ce sitemap illustratif produit une entrée de page :
<?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>
Imaginez maintenant un index listant products-sitemap.xml et blog-sitemap.xml. Son analyse renvoie deux lignes de sitemap, même si ces fichiers contiennent ensemble des milliers d’URL de pages. Deux correspond au nombre d’entrées de l’index, pas au nombre de pages du site.
Analysez chaque fichier enfant séparément et conservez son nom avec l’inventaire exporté. Screpy ne développe pas automatiquement l’index en une liste commune de pages. Cette distinction compte aussi pour le TXT : un export d’index contient des adresses de fichiers sitemap, à ne pas confondre avec des pages à auditer.
Comprendre les champs extraits
Le tableau lit les champs standard de la source. Les valeurs facultatives absentes restent vides dans l’export ; l’analyseur n’ajoute pas de dates et ne calcule pas de scores d’importance.
| Colonne CSV | Signification | Interprétation |
|---|---|---|
kind |
page ou sitemap |
Distingue l’inventaire de pages des entrées d’index. |
loc |
Adresse indiquée | Valeur de la source, pas preuve que la destination répond. |
lastmod |
Date de modification déclarée | Dans un index, concerne le fichier sitemap plutôt qu’une page listée. |
changefreq |
Fréquence de modification déclarée | Copiée si présente, sans mesure par l’outil. |
priority |
Priorité relative déclarée | Indication de la source, pas classement ni score SEO. |
line |
Ligne source de l’entrée | Aide à retrouver l’entrée XML correspondante. |
Google indique ignorer changefreq et priority, et utiliser lastmod lorsque la date reflète de manière fiable une modification importante vérifiable. Extraire ces valeurs ne confirme pas leur exactitude. Consultez les consignes de Google sur les sitemaps.
Les adresses répétées restent sur des lignes répétées. Le compteur de doublons permet de repérer les répétitions ; l’export ne les supprime pas. Vérifiez les dates ou priorités inhabituelles avec le Validateur de Sitemap : lire un champ et le valider sont deux tâches distinctes.
Convertir le XML en CSV ou en liste d’URL
Téléchargez le CSV pour conserver les métadonnées à côté de chaque adresse. Importez le fichier dans un tableur en traitant la colonne URL comme du texte. Utilisez ensuite les filtres du tableur pour regrouper des chemins comme /products/ et /blog/. Ces filtres sont appliqués dans votre tableur ; l’analyseur ne le fait pas à votre place.
Téléchargez le TXT si l’outil suivant attend une URL par ligne. Le balisage XML et les colonnes de métadonnées sont retirés. Vérifiez d’abord le type d’entrée pour fournir des URL de pages plutôt que des URL de sitemaps enfants à un outil de contrôle des pages.
Conservez une copie intacte du téléchargement avant toute modification ou suppression de doublons. Notez à côté l’adresse du sitemap et la date d’extraction. Les deux formats ne contiennent que les lignes conservées : un rapport partiel signifie aussi un export partiel.
Constituer un inventaire pour un audit ou une migration
Avant une migration, sauvegardez les exports des sitemaps pertinents de l’ancien site avant de modifier ses URL. Ajoutez la destination prévue à côté de chaque ancienne adresse pour créer un tableau de correspondance. Après le transfert, extrayez les nouveaux sitemaps équivalents et comparez les listes. Une adresse absente est un écart à examiner, pas automatiquement la preuve d’une page défectueuse : elle peut avoir été retirée volontairement du sitemap.
En réunissant les fichiers enfants, ajoutez vous-même une colonne indiquant le sitemap source. Comparez des sections équivalentes et confirmez que chaque extraction s’est terminée complètement. Sinon, un export limité ou un fichier omis peut ressembler à une perte de contenu.
Utilisez Bulk HTTP Status Checker pour interroger les URL de pages par lots de 50 au maximum et examiner les codes de réponse ou redirections. La présence dans un sitemap ne confirme pas l’indexation, ne découvre pas toutes les URL d’un site et ne prouve pas qu’une page n’a aucun lien interne. Ces questions exigent d’autres éléments.
Pourquoi l’extraction échoue ou reste partielle
En cas d’échec, vérifiez d’abord que l’adresse renvoie du XML, pas une page de connexion, un contrôle d’accès ou une page HTML ordinaire. Pour le XML collé, recherchez les balises fermantes manquantes et recopiez le document complet. La racine prise en charge est urlset ou sitemapindex, avec l’espace de noms standard. Une liste en texte brut ou un flux RSS n’est pas une entrée XML sitemap pour cet analyseur.
En XML, une esperluette dans une URL doit être échappée : écrivez ?color=blue&size=m dans loc. L’adresse extraite contient le & décodé. Les documents comportant une déclaration DOCTYPE ne sont pas pris en charge.
Le XML collé est limité à 256 KiB et le XML distant à 50 MiB après décompression. L’analyseur conserve jusqu’à 5 000 entrées ; les limites de taille de réponse peuvent raccourcir davantage la liste affichée. Lisez l’avis de couverture au lieu de considérer la dernière ligne visible comme la fin du fichier. Si la lecture s’arrête à une limite, le nombre total d’entrées peut rester indisponible.
Le protocole autorise jusqu’à 50 000 entrées par fichier, mais cela ne garantit pas que cet extracteur les renverra toutes. Pour un grand inventaire, traitez séparément des sitemaps sources plus petits et suivez chaque partie. Ne présentez jamais une extraction partielle comme l’inventaire complet du site.