ARTICLE - SEO 优化

图片、视频与新闻 Sitemap:富媒体内容的专用收录通道

基础 sitemap 只说「这里有页面」,媒体扩展才说「这个页面里有什么可展示的媒体」。本文讲清三种扩展各自的前提与用途、视频 sitemap 的必需字段,以及它与 VideoObject 的分工——sitemap 负责发现、结构化数据负责资格;并说明新闻 sitemap 只适用于新闻内容,不是通用加速器。

2026-11-12 16IDC

图片、视频与新闻 Sitemap:富媒体内容的专用收录通道

基础 sitemap 表达的信息很有限:这里有一个 URL,我希望它被收录。它不描述页面里有什么。而当页面里嵌着图片、视频,或者本身就是一条新闻时,「页面里有什么可展示的媒体」恰恰决定了它能进入哪些展示位置——图片包、视频轮播、新闻结果,都是围绕媒体本身成立的。

媒体扩展就是为这件事设计的。它在同一份 sitemap 里补上媒体层面的字段:图片地址与说明、视频的缩略图与播放页、新闻的标题与发布时间。有了这些,爬虫不必先渲染页面再猜里面有什么,媒体与页面的对应关系是直接声明出来的。

本文只讲扩展部分。基础的 sitemap 结构、lastmod 真实性、URL 过滤这些问题已经在 XML 站点地图指南 里讲过,这里一句话带过:基础规则仍然适用,扩展是在它之上加字段,不是另起一套。下面按三种扩展分别展开,然后讲通用纪律、验证与常见错误。

一、三种扩展各自解决什么

1.1 基础 sitemap 与媒体扩展的分工

两者的分工可以用一句话概括:基础 sitemap 说明有哪些页面,媒体扩展说明这些页面里有哪些媒体。

这个分工有实际后果。一张内联在文章里的图片,本来就能通过 HTML 被发现,扩展提供的价值是补上「这张图属于哪个页面、它讲的是什么」这层语义。而一个独立图片页或图库页,图片本身就是页面主体,扩展的作用是让图片地址与承载它的页面明确配对。

对视频更明显。基础 sitemap 里的一个视频页面 URL,只说明「这里有个页面」;视频扩展才会告诉爬虫缩略图在哪、播放页在哪、时长多少——这些是展示所必需的信息,HTML 里不一定能稳定获得。

1.2 三种扩展的前提条件

三种扩展都有前提,不满足前提时加字段没有意义。

  • 图片扩展:图片必须可以被公开访问、返回 200,且所在页面本身允许被索引。
  • 视频扩展:视频有稳定的播放页或内容文件地址,有可用的缩略图,且页面不是只有播放器没有文字内容。
  • 新闻扩展:内容属于新闻类,站点在该领域有持续发布,且文章是近期发布的。

最后一条最容易被忽略。新闻扩展不是「让新文章更快被收录」的通用手段,它有明确的适用范围,第四章会专门讲这一点。

二、图片 sitemap

2.1 什么时候真的需要

图片扩展的价值与「图片能否被 HTML 自然发现」成反比。判断标准很简单。

需要的情况:站点有独立的图片页或图库页,图片是这些页面的主体内容;站点图片量大,且分散在内容管理系统的深层;图片被 JS 动态插入,HTML 源码里看不到地址;同一张图有多个尺寸版本,需要指明哪个是主版本。

不需要的情况:图片只是正文配图,数量不多,<img> 标签在源码里清晰可见。这种情况下加图片扩展主要是重复劳动,收益接近于零。

2.2 写法与最常漏的字段

图片扩展需要在 sitemap 根节点声明命名空间,然后在每个 URL 条目里挂图片信息。核心字段是图片地址,其余为可选但有用的说明字段。

<url>
  <loc>https://example.com/gallery/edge-cache</loc>
  <image:image>
    <image:loc>https://example.com/img/edge-cache-01.jpg</image:loc>
    <image:title>边缘缓存命中与回源的路径示意</image:title>
    <image:caption>用户请求经边缘节点命中缓存时,不再回源。</image:caption>
  </image:image>
</url>

最常漏的是两件事。一是图片地址必须是绝对 URL,且与页面上实际引用的地址一致——页面上通过参数做尺寸变换、sitemap 里写原图地址,两者对不上就会产生歧义。二是说明字段值得写:image:title 与 image:caption 是少数能直接表达图片语义的地方,对图片搜索的相关性判断有用。图片本身的压缩、格式与加载优化属于另一层,见 图片优化与 CDN。

三、视频 sitemap

3.1 必需字段

视频扩展的字段比图片多,因为视频需要更多信息才能被展示。官方文档列出的必需项可以归为四类:缩略图地址、标题、描述,以及播放页地址或内容文件地址二者之一。除此之外,时长与发布时间是强烈建议提供的字段。具体字段名与校验规则以官方文档为准。

<url>
  <loc>https://example.com/guide/video-seo-basics</loc>
  <video:video>
    <video:thumbnail_loc>https://example.com/img/video-seo-basics.jpg</video:thumbnail_loc>
    <video:title>视频页面的基础收录配置</video:title>
    <video:description>从页面结构、缩略图到播放页地址的最小可用配置。</video:description>
    <video:player_loc>https://example.com/watch/video-seo-basics</video:player_loc>
    <video:duration>412</video:duration>
  </video:video>
</url>

三个字段最容易写错。缩略图必须是可直接访问的图片地址,不能是需要登录或需要推荐位才显示的地址;播放页地址是可嵌入或可观看的页面,不是视频文件本身,也不是缩略图;时长要与实际一致,写错会让展示与实际不符。

3.2 与 VideoObject 的分工:发现与资格

视频要进入结果页,需要过两关,两关由不同机制负责。

发现由 sitemap 与页面链接负责:告诉爬虫「这里有视频,地址在这里」。资格由页面上的 VideoObject 结构化数据负责:声明这是什么视频、缩略图、时长、上传日期、是否可嵌入。只做前者,视频可能被发现但没有展示资格;只做后者,结构化数据可能因为没有稳定发现路径而迟迟不被处理。

所以正确的做法是两者都做,且两处的信息必须一致。缩略图地址、时长、标题在 sitemap 与结构化数据里不一致时,展示结果会不稳定,排查也很难。结构化数据的字段要求与校验方式见 结构化数据与富媒体结果,视频内容本身怎么组织见 视频内容 SEO,视频轮播的展示机制见 SERP 特性优化。

四、新闻 sitemap

4.1 适用范围与时效约束

新闻 sitemap 是三种扩展里约束最严的一种。它只适用于新闻类内容——也就是说,站点是一个被认可的新闻发布者,内容是按新闻方式生产和更新的。对绝大多数企业站、工具站、电商站,它不适用。

它还有时效与数量上的约束:一般只应包含最近一段时间内发布的文章,单文件条数有上限,超出的部分要靠拆分或 index 处理。具体的天数窗口与条数上限以官方文档为准,且这些规则会随时间调整,动手前应当先查一次当前版本,而不是照抄旧文章里的数字。

4.2 为什么它被误用最多

误用来自一个很自然的联想:新闻 sitemap 看起来是「让新内容更快被发现的通道」,于是有人把它当成通用的加速器,把所有新发布的页面都塞进去。

这个做法有两个问题。第一,它不符合适用范围,放进去了也不会获得对应的展示,反而让这份文件失去意义。第二,它会给站点带来错误的期望——你以为自己配置了加速通道,实际上配置的是一份不被采信的清单,真正该做的内链、结构、内容质量工作反而被跳过了。

正确的心态是:新闻 sitemap 是新闻发布者的专用通道,不是收录加速器。 如果站点不是新闻发布者,需要解决的是发现与质量问题,看 网站收录指南。

五、通用纪律

5.1 loc、lastmod 与两个上限

三种扩展共享同一套底层规则,这部分不因扩展而变。

<loc> 必须是绝对 URL,包含协议与主机名,且是最终地址而不是会跳转的地址。扩展里的媒体地址同样如此。

<lastmod> 必须真实,它表示页面最后一次实质性变更的时间。需要注意的是,视频扩展有自己的发布时间字段,两者不要混用:lastmod 描述页面,发布时间描述视频。

两个上限是协议事实:单个 sitemap 文件最多 50,000 条 URL,未压缩大小不超过 50MB。达到任一上限就要拆分,再用 sitemap index 汇总。带媒体扩展的文件通常比纯 URL 文件大得多,所以 50MB 往往先到——按视频数量估算会比按 URL 数量估算更准。

5.2 放进去的 URL 必须可访问且可索引

这条看起来最基础,违反得却最多:sitemap 里列出的 URL 和媒体地址,必须返回 200,且必须允许被索引。

三类违反最常见。媒体文件本身设了 noindex 或需要鉴权,例如放在需要登录的存储里、或者被防盗链策略拦掉;sitemap 里的媒体地址返回 30x 跳转,尤其是图片经过处理后地址变了而 sitemap 没跟着改;页面上允许索引但媒体所在目录被 robots.txt 屏蔽。这三种情况都会让扩展失效,而且从 sitemap 报告里不一定看得出来,需要单独核对。

如果媒体是通过 CDN 分发的,还要注意边缘层是否会改变这些地址的行为,这一点与 CDN 与 SEO 里讲的「爬虫拿到的可能不是正文」是同一类问题。

六、验证

6.1 sitemap 报告与媒体索引报告

验证要分两步:先确认文件被正确读取,再确认媒体被正确处理。

第一步看 sitemap 报告:文件是否可读取、是否解析成功、已处理多少条 URL、有没有字段级错误。媒体扩展的字段错误通常在这里暴露,例如缺少必需字段、地址格式不合法。

第二步看媒体相关的索引报告:图片与视频分别有多少被索引、有多少因为质量或技术原因被排除。这两份报告的读法与「已发现但未编入索引」的处理思路相通,见 Search Console 使用指南。

6.2 单页的富媒体测试

报告给的是整体状态,单页的问题要靠单页测试。挑几个重点页面,用富媒体结果测试工具检查:结构化数据是否被识别、必需字段是否齐全、缩略图是否可访问、时长与实际是否一致。

这一步的价值在于把「sitemap 层面正确」与「页面层面正确」分开。两者经常只有一边是对的:sitemap 写得很规整,页面上的结构化数据缺失;或者页面结构化数据完整,sitemap 里的地址已经过期。两处都过一遍,才算验证完成。

七、五个常见错误与检查清单

7.1 五个常见错误

  1. 把缩略图地址当播放页地址填。 字段含义不同,填错之后展示会异常或直接失效。
  2. 媒体文件本身设了 noindex 或需要鉴权。 声明了媒体却不让访问,扩展等于零。
  3. sitemap 里的媒体地址返回 30x。 通常来自图片处理或存储迁移后地址变更,而 sitemap 没同步。
  4. 视频时长与实际不一致。 展示信息与实际内容不符,轻则被修正,重则失去展示资格。
  5. 把新闻 sitemap 当通用加速器。 适用范围不符,配置了也不会获得对应展示。

7.2 检查清单

  1. 基础 sitemap 的规则仍然成立:无 404、无 noindex、无被屏蔽 URL、lastmod 真实。
  2. 需要扩展的页面已经识别出来:独立图片页、图库页、视频页、新闻页。
  3. 图片与媒体地址都是绝对 URL,且与页面上实际引用的地址一致。
  4. 视频扩展的四类必需字段齐全,时长与发布时间与实际一致。
  5. sitemap 与 VideoObject 两处的信息一致,没有互相矛盾的字段。
  6. 新闻扩展只用于新闻类内容,且时效窗口与条数上限按当前官方文档执行。
  7. 单个文件未超过 50,000 条与 50MB,超出部分已由 index 汇总。
  8. 所有列出的媒体地址返回 200、可公开访问、未被 robots 屏蔽。
  9. sitemap 报告无解析错误,媒体索引报告已建立基线并定期复查。

7.3 上线顺序

顺序上先做「能被访问」再做「能被理解」。也就是说,先确认媒体地址全部返回 200、可公开访问、未被屏蔽,再把字段补齐。顺序反了会出现一种尴尬局面:字段写得很完整,报告显示一堆错误,最后发现是地址本身不可访问。

第二件优先的事是视频的双重配置:sitemap 与结构化数据同时到位,且信息一致。这是三种扩展里唯一需要两处协同的,也是最容易出现「一半正确」的地方。图片扩展的投入可以往后放——它的收益与图片的自然可发现性成反比,很多站点做完基础核对就够了。整体上线前,与 技术 SEO 检查清单 里的抓取与索引项一起过一遍,能挡掉大部分基础错误。

来源:16IDC 原创,文中涉及的抓取与索引行为、SERP 展示机制与 sitemap 协议以 Google Search Central 官方文档与 sitemaps.org 协议为准。

代码示例

示例一:声明图片与视频命名空间并挂载条目

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
        xmlns:image="http://www.google.com/schemas/sitemap-image/1.1"
        xmlns:video="http://www.google.com/schemas/sitemap-video/1.1">
  <url>
    <loc>https://example.com/blog/video-guide</loc>
    <image:image>
      <image:loc>https://cdn.example.com/img/video-cover.jpg</image:loc>
      <image:title>站点结构导览封面</image:title>
      <image:caption>三分钟了解目录层级</image:caption>
    </image:image>
    <video:video>
      <video:thumbnail_loc>https://cdn.example.com/img/thumb.jpg</video:thumbnail_loc>
      <video:title>站点结构导览</video:title>
      <video:description>讲解目录层级与内链设计。</video:description>
      <video:content_loc>https://cdn.example.com/video/guide.mp4</video:content_loc>
      <video:duration>180</video:duration>
    </video:video>
  </url>
</urlset>

第一段把媒体信息声明在页面条目内部,爬虫不必渲染页面就能建立媒体与页面的对应关系。

示例二:新闻条目与上线前的双重校验

# 新闻扩展需要单独声明 news 命名空间:
# xmlns:news="http://www.google.com/schemas/sitemap-news/0.9"
# publication_date 用 ISO 8601,且与页面可见发布时间一致

# 先校验结构
xmllint --noout --schema \
  https://www.sitemaps.org/schemas/sitemap/0.9/sitemap.xsd \
  sitemap-media.xml
# 再确认线上可访问
curl -sI https://example.com/sitemap-media.xml | grep -Ei '^(HTTP/|content-type)'
# 统计条目数,避免误删或重复
curl -s https://example.com/sitemap-media.xml | grep -c '<url>'

第二段用 schema 校验与状态码检查兜住上线前的格式问题。

社区与资源

官方文档与社区

学习资源与工具

原文来源:16IDC ↗