Comprobador de sitemaps XML: cómo validar tus sitemaps y arreglar lo que incluyen
Un sitemap XML es una lista de las URL que quieres que rastreen los buscadores. Solo ayuda si la lista es veraz: cada URL debe responder 200, ser indexable y ser la versión canónica, y cada página que importa debe estar en ella. Un validador de sitemaps XML lee los archivos, descarga lo que incluyen y lo compara con lo que encuentra un rastreo del sitio.
Qué hace un validador de sitemaps XML
Un validador trabaja a dos niveles. Primero los propios archivos: ¿se pueden descargar?, ¿son XML bien formado en un formato de sitemap?, ¿respetan los límites de tamaño? Después las URL que contienen: qué devuelve cada una al solicitarla, si es indexable y si coincide con aquello a lo que apuntan los propios enlaces del sitio.
El segundo nivel es donde está casi todo el valor. Un sitemap que valida perfectamente puede seguir incluyendo miles de redirecciones, o dejar fuera la mitad de las páginas de producto. Solo lo ves descargando las URL y comparándolas con un rastreo.
Cómo funcionan los sitemaps XML
El formato lo define el protocolo de sitemaps.org, que admiten Google, Bing y otros buscadores. Un sitemap es un urlset con una entrada url por página:
<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
<url>
<loc>https://www.example.com/shoes/running</loc>
<lastmod>2026-11-12</lastmod>
</url>
</urlset>
Los sitios grandes reparten sus URL en varios archivos y enumeran esos archivos en un índice de sitemaps:
<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
<sitemap><loc>https://www.example.com/sitemap-products-1.xml</loc></sitemap>
<sitemap><loc>https://www.example.com/sitemap-blog.xml</loc></sitemap>
</sitemapindex>
Los buscadores encuentran los sitemaps mediante una línea Sitemap: en robots.txt, que lleva una URL completa y puede aparecer más de una vez, o mediante el envío en Search Console y Bing Webmaster Tools. La información general sobre sitemaps de Google explica cuándo le conviene uno a un sitio: sitios grandes, sitios nuevos con pocos enlaces externos y sitios con mucho contenido multimedia o de noticias. La referencia de sitemaps XML de SEO ProCheck cubre también los sitemaps de imágenes, vídeos y noticias.
Límites y reglas de formato del sitemap
| Regla | Límite |
|---|---|
| URL por archivo de sitemap | 50.000 |
| Tamaño del archivo, sin comprimir | 50 MB (52.428.800 bytes) |
| Sitemaps por índice de sitemaps | 50.000 |
| Longitud de la URL | Menos de 2.048 caracteres |
| Codificación | UTF-8, entidades escapadas |
| Forma de la URL | Absoluta, rastreada tal como aparece |
| Ámbito | Mismo host, en la carpeta o por debajo |
El límite de 50 MB se aplica aunque el archivo se sirva con gzip. Una URL fuera de la carpeta o del host del sitemap solo se permite cuando el robots.txt de ese host declara el sitemap. Esto viene del protocolo y de la guía de Google para crear y enviar un sitemap. La página de Google sobre sitemaps grandes explica el archivo de índice. Algo que ha cambiado: Google retiró en 2023 su endpoint de ping de sitemaps sin autenticación, como explica su anuncio, así que envíalos mediante robots.txt o Search Console.
lastmod, changefreq y priority
Google ignora changefreq y priority. Usa lastmod como pista para saber cuándo volver a rastrear una URL conocida, pero solo cuando las fechas son precisas de forma constante. Un lastmod que cambia en cada página cada día, o que se mueve cuando solo cambia el año del pie, enseña a Google a dejar de fiarse de él.
Reserva lastmod para cambios reales en el contenido principal, los datos estructurados o los enlaces, y escríbelo en formato de fecha W3C, como 2026-11-12 o una marca de tiempo completa con zona horaria. Si no puedes saber cuándo cambió de verdad una página, es mejor omitir lastmod que adivinar.
Los errores más habituales en los sitemaps XML
La mayoría de los problemas de los sitemaps no tienen que ver con el XML. Son URL que no deberían estar en la lista, o páginas que deberían estar y no están:
| URL incluida | Debe estar en el sitemap | Corrección |
|---|---|---|
| 200, indexable, canonical a sí misma | ✓ | Mantenla |
| Redirecciones (3xx) | – | Incluir la URL final |
| 404, 410, 5xx | – | Quitar |
| Noindex | – | Quitarla, o quitar el noindex |
| El canonical nombra otra URL | – | Incluir la canónica |
| Bloqueada por robots.txt | – | Quitarla, o permitirla |
| http:// en un sitio https | – | Usar https |
| Host equivocado (con o sin www) | – | Usar el host canónico |
Dos problemas que una tabla de URL incluidas no puede mostrar: páginas que faltan, a menudo una plantilla entera que el CMS nunca añadió, y archivos vacíos o rotos que devuelven un error, una página HTML o ninguna URL. La guía del probador de robots.txt muestra cómo comprobar las URL bloqueadas, y las preguntas frecuentes sobre sitemaps XML de SEO ProCheck cubren el resto.
Sitemaps, rastreos y páginas huérfanas
Comparar el sitemap con un rastreo de enlaces responde a dos preguntas a la vez. Las URL que encontró el rastreo pero que el sitemap no incluye son páginas que tu generador se salta. Las URL que incluye el sitemap pero a las que no llega ningún enlace interno son páginas huérfanas. La guía de páginas huérfanas explica qué hacer con cada una.
Lo hicimos en nuestro propio sitio. El rastreo completo de Neova de seoprocheck.com del 17 de octubre de 2026:
| seoprocheck.com, 17 oct 2026 | Cantidad |
|---|---|
| URL descargadas | 10.222 |
| Páginas HTML que responden 200 | 4.561 |
| URL en los sitemaps XML | 1.835 |
| Alcanzadas por el rastreo, en ningún sitemap | 2.727 |
| En un sitemap, sin ningún enlace | 1 |
| Rastreo completo | 99.98% |
| Tiempo | 61 minutos |
Los sitemaps incluían 1.835 URL mientras que los enlaces llegaban a 2.727 más, así que el fallo estaba en el generador, no en el sitio. La única huérfana era una sola página que enlazar o retirar. Esta comparación solo tiene sentido porque el rastreo llegó al 99,98 %: un rastreo detenido por un límite de URL hace que las páginas enlazadas parezcan conocidas solo por el sitemap.
Cómo comprobar tus sitemaps XML
- Encuentra todos los sitemaps. Lee las líneas Sitemap de robots.txt, prueba
/sitemap.xmly/sitemap_index.xml, y mira lo que enumera el informe de Sitemaps de Search Console. - Valida los archivos: estado 200, gzip legible si está comprimido, XML bien formado, dentro de los límites.
- Descarga cada URL incluida y registra su código de estado, sus directivas de robots y su canonical.
- Rastrea el sitio desde la página de inicio hasta el final y compara las dos listas.
- Corrige el generador, no el archivo. La mayoría de los sitemaps los genera el CMS o un plugin, así que una edición a mano se sobrescribirá en la siguiente generación.
- Vuelve a enviarlo y vigila. Revisa los errores en el informe de Sitemaps y vuelve a rastrear de forma programada para detectar pronto una generación rota.
La higiene del sitemap es un paso de la checklist de auditoría SEO técnica y, en sitios grandes, un sitemap limpio ayuda a los buscadores a gastar su crawl budget en las páginas que cuentan.
Comprueba los sitemaps XML con Neova
Neova lee los sitemaps XML que declara robots.txt, más los que añadas en Ajustes, y rastrea las URL que incluyen después de las páginas a las que llegan los enlaces. Las páginas que solo incluyen los sitemaps se descargan en un paso aparte y se cuentan por separado. La categoría Sitemaps muestra entonces lo que incluyen los sitemaps frente a lo que encontró el rastreo. También puedes rastrear solo los sitemaps XML, o pegar una lista de URL en Rastreo de lista. Algunas de las comprobaciones:
- No se puede descargar ni procesar el sitemap XML y Archivo de sitemap vacío o sin ninguna URL
- Sitemap XML con más de 50.000 entradas y Sitemap XML de más de 50 MB sin comprimir
- Una URL que redirige figura en un sitemap XML y URL 4xx incluida en un sitemap XML
- URL con noindex incluida en un sitemap XML y URL canonicalizada incluida en un sitemap XML
- URL bloqueada incluida en un sitemap XML
- URL HTTP incluida en un sitemap XML de un sitio HTTPS y La línea Sitemap de robots.txt usa una URL relativa
- URL indexable que no está en ningún sitemap XML y URL huérfana incluida en un sitemap XML
- El sitio no tiene sitemap XML
Neova guarda cada sitemap XML que leen sus rastreos y puede exportar un sitemap XML nuevo con las páginas indexables que encontró. Consulta las funciones o descarga Neova.
Preguntas
¿Cómo compruebo si mi sitemap XML es válido?
Descárgalo y confirma que devuelve 200, que se analiza como XML en el formato de sitemap y que no supera las 50.000 URL ni los 50 MB sin comprimir. Después rastrea las URL que incluye: un archivo válido puede seguir incluyendo redirecciones, errores y páginas noindex.
¿Cuántas URL puede tener un sitemap XML?
Hasta 50.000 URL y 50 MB sin comprimir por archivo. Los sitios más grandes reparten sus URL en varios sitemaps y los enumeran en un índice de sitemaps, que a su vez puede incluir hasta 50.000 sitemaps.
¿Debe estar cada página en el sitemap XML?
Debe estar cada página indexable y canónica que quieras en los resultados de búsqueda. Deja fuera las redirecciones, las páginas de error, las páginas noindex, los duplicados canonicalizados y las URL bloqueadas por robots.txt.
¿Usa Google priority y changefreq?
No. Google ignora ambos. Usa lastmod cuando las fechas son precisas de forma constante, así que reserva lastmod para cambios reales de contenido.
¿Todavía puedo hacer ping a Google con mi sitemap?
No. Google retiró el endpoint de ping de sitemaps en 2023. Declara el sitemap en robots.txt y envíalo en Search Console.