Um analisador XML de sitemap transforma a marcação numa lista legível de entradas. O Screpy extrai os URL e os metadados opcionais de um documento XML e permite descarregar CSV ou TXT. A lista serve de inventário para a próxima verificação; a extração não demonstra que as páginas funcionam ou aparecem nos resultados de pesquisa.
Como extrair URL de um sitemap
Escolha a entrada URL quando conhecer o endereço exato de um ficheiro XML acessível publicamente. https://example.com/sitemap.xml ilustra o formato; substitua-o pelo seu sitemap. O endereço da página inicial pode devolver HTML. Para localizar primeiro o ficheiro, use o Sitemap Checker.
Escolha colar XML se já tiver o conteúdo do documento. Copie o XML original com o elemento raiz, não a tabela formatada do navegador nem uma página HTML com um link para o sitemap. Pode abrir um ficheiro local num editor de texto e colá-lo aqui; não existe carregamento de ficheiros.
Envie a fonte e consulte o tipo de documento, as entradas e o aviso de cobertura antes de descarregar. O analisador lê apenas este documento. Se as entradas forem identificadas como sitemaps, analise separadamente um desses endereços de ficheiro filho para obter os URL das páginas.
Um índice devolve URL de sitemaps, não de páginas
O elemento raiz determina o que representa cada linha. Um urlset contém entradas url de páginas. Um sitemapindex contém entradas sitemap que apontam para outros ficheiros sitemap. Ambos usam o espaço de nomes definido no protocolo Sitemaps.
Este sitemap ilustrativo produz uma 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>
Imagine agora um índice com products-sitemap.xml e blog-sitemap.xml. Analisá-lo devolve duas linhas de sitemap, mesmo que os ficheiros contenham milhares de URL de páginas no total. Dois é o número de entradas do índice, não o número de páginas do site.
Analise cada ficheiro filho individualmente e guarde o nome junto do inventário exportado. O Screpy não expande automaticamente um índice numa lista conjunta de páginas. Isto também importa ao descarregar TXT: a exportação de um índice contém endereços de ficheiros sitemap, que não devem ser confundidos com páginas para auditar.
O significado dos campos extraídos
A tabela lê os campos padrão da fonte. Os valores opcionais ausentes ficam vazios na exportação; o analisador não acrescenta datas nem calcula pontuações de importância.
| Coluna CSV | Significado | Interpretação |
|---|---|---|
kind |
page ou sitemap |
Distingue o inventário de páginas das entradas do índice. |
loc |
Endereço indicado | Valor da fonte, não prova de que o destino responde. |
lastmod |
Data de alteração declarada | Num índice, refere-se ao ficheiro sitemap, não a uma página listada. |
changefreq |
Frequência de alteração declarada | Copiada quando existe; não é medida pela ferramenta. |
priority |
Prioridade relativa declarada | Indicação da fonte, não posição na pesquisa nem pontuação SEO. |
line |
Linha de origem da entrada | Ajuda a encontrar a entrada XML correspondente. |
O Google afirma ignorar changefreq e priority e usar lastmod quando a data reflete consistentemente uma atualização significativa verificável. A extração não confirma a exatidão destes valores. Consulte as orientações do Google sobre sitemaps.
Os endereços repetidos permanecem em linhas repetidas. A contagem de duplicados permite detetá-los; a exportação não os remove. Verifique datas ou prioridades invulgares com o Validador de Sitemap: ler um campo e validá-lo são tarefas diferentes.
Converter XML de sitemap em CSV ou numa lista de URL
Descarregue CSV se precisar dos metadados ao lado de cada endereço. Importe o ficheiro numa folha de cálculo, tratando a coluna URL como texto. Depois use os filtros da folha para agrupar caminhos como /products/ e /blog/. Estes filtros pertencem à folha de cálculo; o analisador não os aplica por si.
Descarregue TXT quando a próxima ferramenta exigir um URL por linha. A marcação XML e as colunas de metadados são removidas. Confirme primeiro o tipo de entrada para fornecer URL de páginas, não de sitemaps filhos, a uma ferramenta de verificação de páginas.
Guarde uma cópia intacta antes de editar a descarga ou remover duplicados. Registe junto dela o endereço do sitemap e a data da extração. Ambos os formatos contêm apenas as linhas conservadas: um relatório parcial também implica uma exportação parcial.
Criar um inventário para auditorias e migrações
Numa migração, guarde as exportações dos sitemaps relevantes do site antigo antes de mudar os URL. Acrescente o destino proposto ao lado de cada endereço antigo para criar uma folha de correspondências. Após a mudança, extraia os novos sitemaps equivalentes e compare as listas. Um endereço ausente é uma diferença a investigar, não prova automática de uma página com erro: o site pode tê-lo retirado deliberadamente do sitemap.
Ao juntar ficheiros filhos, adicione uma coluna com o sitemap de origem. Compare secções equivalentes e confirme que cada extração terminou completamente. Caso contrário, uma exportação limitada ou um ficheiro omitido pode parecer perda de conteúdo.
Use o Bulk HTTP Status Checker para consultar URL de páginas em grupos de até 50 e investigar códigos de resposta ou redirecionamentos. A presença num sitemap não confirma indexação, não descobre todos os URL de um site e não prova que uma página não tem links internos. Essas questões exigem outras provas.
Porque falha a extração ou devolve uma lista parcial
Se falhar, confirme primeiro que o endereço devolve XML em vez de uma página de início de sessão, uma verificação de acesso ou uma página HTML normal. No XML colado, procure etiquetas de fecho em falta e copie novamente o documento completo. A raiz suportada é urlset ou sitemapindex, com o espaço de nomes padrão. Uma lista de texto simples ou um feed RSS não é uma entrada XML sitemap para este analisador.
Em XML, o sinal & num URL deve ser escapado: escreva ?color=blue&size=m em loc. O endereço extraído contém o & descodificado. Documentos com uma declaração DOCTYPE não são suportados.
O XML colado está limitado a 256 KiB e o XML remoto a 50 MiB após descompressão. O analisador conserva até 5.000 entradas; os limites do tamanho da resposta podem reduzir mais a lista apresentada. Leia o aviso de cobertura em vez de assumir que a última linha visível é o fim do ficheiro. Se a leitura parou num limite, o total completo pode ficar indisponível.
O protocolo permite até 50.000 entradas por ficheiro, mas isso não garante que este extrator as devolva todas. Para inventários grandes, processe separadamente sitemaps de origem mais pequenos e acompanhe cada parte. Nunca apresente uma extração parcial como inventário completo do site.