Un parser XML sitemap trasforma il markup in un elenco leggibile di voci. Screpy estrae gli URL e i metadati facoltativi da un documento XML e permette di scaricare CSV o TXT. L’elenco è un inventario per la verifica successiva; l’estrazione non dimostra che le pagine funzionino o compaiano nei risultati di ricerca.
Come estrarre gli URL da una sitemap
Scegli l’ingresso URL se conosci l’indirizzo esatto di un file XML accessibile pubblicamente. https://example.com/sitemap.xml illustra il formato: sostituiscilo con la tua sitemap. L’indirizzo della homepage potrebbe restituire HTML. Per individuare prima il file, usa Sitemap Checker.
Scegli XML incollato se possiedi già il contenuto del documento. Copia l’XML originale con l’elemento radice, non la tabella formattata del browser o una pagina HTML con un collegamento alla sitemap. Puoi aprire un file locale in un editor di testo e incollarlo qui; non è disponibile il caricamento di file.
Invia la fonte e controlla tipo di documento, voci e avviso di copertura prima di scaricare. Il parser legge solo questo documento. Se le voci sono identificate come sitemap, analizza separatamente l’indirizzo di uno dei file figli per ottenere gli URL delle pagine.
Un indice restituisce URL di sitemap, non di pagine
L’elemento radice determina cosa rappresenta una riga. Un urlset contiene voci url per le pagine. Un sitemapindex contiene voci sitemap che rimandano ad altri file sitemap. Entrambi usano lo spazio dei nomi definito nel protocollo Sitemaps.
Questa sitemap illustrativa produce una voce di pagina:
<?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>
Immagina un indice che elenca products-sitemap.xml e blog-sitemap.xml. Analizzarlo restituisce due righe di sitemap, anche se i file contengono insieme migliaia di URL di pagine. Due è il numero di voci dell’indice, non il numero di pagine del sito.
Analizza ogni file figlio separatamente e conserva il suo nome insieme all’inventario esportato. Screpy non espande automaticamente un indice in un elenco unico di pagine. La distinzione vale anche per TXT: l’esportazione di un indice contiene indirizzi di file sitemap, da non confondere con pagine da controllare.
Il significato dei campi estratti
La tabella legge i campi standard della fonte. I valori facoltativi mancanti restano vuoti nell’esportazione; il parser non aggiunge date né calcola punteggi d’importanza.
| Colonna CSV | Significato | Interpretazione |
|---|---|---|
kind |
page o sitemap |
Distingue l’inventario di pagine dalle voci dell’indice. |
loc |
Indirizzo elencato | Valore della fonte, non prova che la destinazione risponda. |
lastmod |
Data di modifica dichiarata | Nell’indice riguarda il file sitemap, non una pagina elencata. |
changefreq |
Frequenza di modifica dichiarata | Copiata se presente, non misurata dallo strumento. |
priority |
Priorità relativa dichiarata | Indicazione della fonte, non posizione nei risultati o punteggio SEO. |
line |
Riga di origine della voce | Aiuta a trovare la voce XML corrispondente. |
Google dichiara di ignorare changefreq e priority e di usare lastmod quando la data riflette in modo coerente un aggiornamento significativo verificabile. Estrarre questi valori non ne conferma l’esattezza. Consulta la guida alle sitemap di Google.
Gli indirizzi ripetuti restano righe ripetute. Il conteggio dei duplicati permette di notarli; l’esportazione non li rimuove. Controlla date o priorità insolite con il Validatore Sitemap: leggere un campo e validarlo sono attività diverse.
Convertire XML sitemap in CSV o in un elenco di URL
Scarica CSV se ti servono i metadati accanto a ogni indirizzo. Importa il file in un foglio di calcolo trattando la colonna URL come testo. Usa poi i filtri del foglio per raggruppare percorsi come /products/ e /blog/. I filtri appartengono al foglio di calcolo; il parser non li applica per te.
Scarica TXT se lo strumento successivo richiede un URL per riga. Vengono rimossi markup XML e colonne dei metadati. Verifica prima il tipo di voce per fornire URL di pagine, non di sitemap figlie, a uno strumento di controllo delle pagine.
Conserva una copia intatta prima di modificare il download o eliminare duplicati. Annota accanto l’indirizzo della sitemap e la data di estrazione. Entrambi i formati contengono solo le righe conservate: un rapporto parziale implica anche un’esportazione parziale.
Creare un inventario per audit e migrazioni
Prima di una migrazione, salva le esportazioni delle sitemap pertinenti del vecchio sito prima di cambiare gli URL. Aggiungi la destinazione prevista accanto a ogni vecchio indirizzo per creare un foglio di corrispondenza. Dopo il trasferimento, estrai le nuove sitemap equivalenti e confronta gli elenchi. Un indirizzo assente è una differenza da indagare, non la prova automatica di una pagina non funzionante: potrebbe essere stato rimosso intenzionalmente dalla sitemap.
Quando unisci file figli, aggiungi tu una colonna con la sitemap di origine. Confronta sezioni equivalenti e verifica che ogni estrazione sia terminata completamente. Altrimenti un’esportazione limitata o un file omesso può sembrare una perdita di contenuti.
Usa Bulk HTTP Status Checker per richiedere URL di pagine in gruppi di massimo 50 e controllare codici di risposta o reindirizzamenti. La presenza in sitemap non conferma l’indicizzazione, non scopre tutti gli URL del sito e non dimostra che una pagina sia priva di link interni. Servono altre prove.
Perché l’estrazione fallisce o restituisce un elenco parziale
In caso di errore, controlla che l’indirizzo restituisca XML invece di una pagina di accesso, una verifica dell’accesso o normale HTML. Nell’XML incollato cerca tag di chiusura mancanti e copia nuovamente il documento completo. La radice supportata è urlset o sitemapindex, con lo spazio dei nomi standard. Un elenco di testo o un feed RSS non è un ingresso XML sitemap per questo parser.
In XML, la e commerciale in un URL deve essere codificata: scrivi ?color=blue&size=m in loc. L’indirizzo estratto contiene il carattere & decodificato. I documenti con dichiarazione DOCTYPE non sono supportati.
L’XML incollato è limitato a 256 KiB; quello remoto a 50 MiB dopo la decompressione. Il parser conserva fino a 5.000 voci; i limiti della dimensione della risposta possono ridurre ulteriormente l’elenco mostrato. Leggi l’avviso di copertura invece di considerare l’ultima riga visibile come la fine del file. Se la lettura si ferma a un limite, il totale completo può restare indisponibile.
Il protocollo consente fino a 50.000 voci per file, ma ciò non garantisce che questo estrattore le restituisca tutte. Per inventari grandi, elabora separatamente sitemap sorgenti più piccole e tieni traccia di ogni parte. Non presentare mai un’estrazione parziale come inventario completo del sito.