Een XML-sitemapparser zet sitemapmarkup om in een leesbare lijst. Screpy haalt de vermelde URL’s en optionele metadata uit één XML-document. Daarna kun je CSV of TXT downloaden. Gebruik de lijst als inventaris voor je volgende controle; de extractie bewijst niet dat pagina’s werken of in zoekresultaten staan.
URL’s uit een sitemap halen
Kies URL-invoer als je het exacte adres van een openbaar bereikbaar XML-bestand hebt. https://example.com/sitemap.xml laat het adresformaat zien; vervang dit door je eigen sitemap. Een homepageadres kan HTML teruggeven. Gebruik Sitemap Checker als je het bestand eerst moet vinden.
Kies XML plakken als je de documentinhoud al hebt. Kopieer de ruwe XML met het hoofdelement, niet de opgemaakte browsertabel of een HTML-pagina die naar de sitemap linkt. Je kunt een lokaal bestand in een teksteditor openen en hier plakken; er is geen bestandsupload.
Verstuur de bron en bekijk documenttype, vermeldingen en de melding over dekking voordat je downloadt. De parser leest alleen dit document. Zijn vermeldingen als sitemaps aangeduid, verwerk dan een van die onderliggende bestandsadressen afzonderlijk om pagina-URL’s te krijgen.
Een sitemapindex geeft sitemap-URL’s, geen pagina-URL’s
Het hoofdelement bepaalt wat een rij voorstelt. Een urlset bevat url-vermeldingen voor pagina’s. Een sitemapindex bevat sitemap-vermeldingen die naar andere sitemapbestanden verwijzen. Beide gebruiken de naamruimte uit het Sitemaps-protocol.
Deze sitemap ter illustratie levert één paginavermelding op:
<?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>
Stel nu dat een index products-sitemap.xml en blog-sitemap.xml vermeldt. Verwerking geeft twee sitemaprijen, ook als die bestanden samen duizenden pagina-URL’s bevatten. Twee is het aantal indexvermeldingen, niet het aantal websitepagina’s.
Verwerk ieder onderliggend bestand afzonderlijk en bewaar de bestandsnaam bij de geëxporteerde inventaris. Screpy breidt een index niet automatisch uit tot één gezamenlijke paginalijst. Ook bij TXT is dat belangrijk: een indexexport bevat adressen van sitemapbestanden, geen pagina’s om te controleren.
Wat de uitgelezen velden betekenen
De tabel leest standaard sitemapvelden uit de bron. Ontbrekende optionele waarden blijven leeg in de export; de parser voegt geen datums toe en berekent geen belangrijkheidsscores.
| CSV-kolom | Betekenis | Interpretatie |
|---|---|---|
kind |
page of sitemap |
Onderscheidt paginalijsten van indexvermeldingen. |
loc |
Vermeld adres | Bronwaarde, geen bewijs dat het doel antwoordt. |
lastmod |
Opgegeven wijzigingsdatum | In een index gaat het om het sitemapbestand, niet om een genoemde pagina. |
changefreq |
Opgegeven wijzigingsfrequentie | Wordt overgenomen indien aanwezig, niet gemeten. |
priority |
Opgegeven relatieve prioriteit | Bronhint, geen zoekpositie of SEO-score. |
line |
Bronregel van de vermelding | Helpt de bijbehorende XML-vermelding te vinden. |
Google zegt changefreq en priority te negeren en lastmod te gebruiken wanneer de datum consequent een verifieerbare, belangrijke wijziging weergeeft. Het uitlezen bevestigt niet dat die gegevens kloppen. Zie Googles sitemaprichtlijnen.
Herhaalde adressen blijven herhaalde rijen. Het aantal duplicaten helpt herhaling opmerken; de export verwijdert die niet. Controleer ongebruikelijke datums of prioriteiten met de Sitemap-validator: uitlezen en valideren zijn verschillende taken.
Sitemap-XML omzetten naar CSV of een URL-lijst
Download CSV als je metadata naast elk adres nodig hebt. Importeer het bestand in een spreadsheet en behandel de URL-kolom als tekst. Groepeer daarna paden zoals /products/ en /blog/ met spreadsheetfilters. Die filters pas je in de spreadsheet toe; de parser doet dat niet voor je.
Download TXT als de volgende tool één URL per regel verwacht. XML-markup en metadatakolommen worden verwijderd. Controleer eerst het vermeldingstype, zodat je pagina-URL’s en geen onderliggende sitemap-URL’s aan een paginacontrole doorgeeft.
Bewaar een ongewijzigde kopie voordat je de download bewerkt of duplicaten verwijdert. Noteer daarnaast het sitemapadres en de extractiedatum. Beide formaten bevatten alleen bewaarde rijen; een gedeeltelijk rapport betekent ook een gedeeltelijke export.
Een inventaris voor audits en migraties opbouwen
Bewaar voor een migratie de relevante sitemapexports van de oude website voordat je URL’s wijzigt. Zet het voorgestelde doel naast elk oud adres om een koppeltabel te maken. Haal na de verhuizing de overeenkomstige nieuwe sitemaps op en vergelijk de lijsten. Een ontbrekend adres is een verschil om te onderzoeken, geen automatisch bewijs van een kapotte pagina: het kan bewust uit de sitemap zijn verwijderd.
Voeg bij het samenvoegen van onderliggende bestanden zelf een kolom voor de bronsitemap toe. Vergelijk overeenkomstige onderdelen en controleer of iedere extractie volledig is afgerond. Anders kan een begrensde export of een overgeslagen bestand op verdwenen inhoud lijken.
Gebruik Bulk HTTP Status Checker om pagina-URL’s in groepen van maximaal 50 op te vragen en antwoordcodes of redirects te onderzoeken. Een sitemapvermelding bevestigt geen indexering, ontdekt niet alle website-URL’s en bewijst niet dat een pagina geen interne links heeft. Die vragen vereisen apart bewijs.
Waarom extractie mislukt of een gedeeltelijke lijst geeft
Controleer bij een fout eerst of het adres XML teruggeeft in plaats van een inlogpagina, toegangscontrole of gewone HTML-pagina. Zoek in geplakte XML naar ontbrekende sluitende tags en kopieer het hele document opnieuw. Ondersteunde hoofdelementen zijn urlset en sitemapindex, met de standaard sitemapnaamruimte. Een tekstlijst of RSS-feed is geen XML-sitemapinvoer voor deze parser.
Een ampersand in een XML-URL moet worden ge-escaped: schrijf ?color=blue&size=m in loc. Het uitgelezen adres bevat de gedecodeerde &. Documenten met een DOCTYPE-declaratie worden niet ondersteund.
Geplakte XML is beperkt tot 256 KiB en externe XML tot 50 MiB na decompressie. De parser bewaart maximaal 5.000 vermeldingen; limieten voor de antwoordgrootte kunnen de zichtbare lijst verder inkorten. Lees de dekkingsmelding in plaats van aan te nemen dat de laatste zichtbare rij het einde van het bestand is. Als het lezen bij een limiet stopt, kan het volledige aantal onbekend blijven.
Het protocol staat maximaal 50.000 vermeldingen per bestand toe, maar dat garandeert niet dat deze extractor ze allemaal teruggeeft. Verwerk voor grote inventarissen kleinere bronsitemaps afzonderlijk en houd elk deel bij. Presenteer een gedeeltelijke extractie nooit als volledige website-inventaris.