sitemap.xml 的 lastmod 怎么写才有效？官方判定标准与常见错误

一、官方怎么说

抓取预算文档在「Keep your sitemaps up to date」一节写：

Google reads your sitemap regularly, so be sure to include all the content that you want Google to crawl. If your site includes updated content, we recommend including the <lastmod> tag.

注意两点：官方确实建议用 lastmod，但没有承诺它会保证重新抓取或提高抓取频率。

sitemap 文档对取值的表述更严格：只有在值 consistently and verifiably accurate（持续且可验证地准确）时才会被采信。正文、结构化数据或链接的实质变化算更新；改一个版权年份不算。

二、最常见的三个坑

三、一套不造假的写法

1. 文档表固定保存 published_at 与 modified_at 两个字段；
2. 只有标题、摘要、正文或 FAQ 实质变化时才更新 modified_at；
3. sitemap 的 <lastmod> 直接取 modified_at，用 gmdate('Y-m-d\TH:i:s\Z') 输出；
4. 页面可见日期、JSON-LD datePublished / dateModified、sitemap lastmod 三者同源；
5. 超过 5000 条时分片，索引文件里每片的 lastmod 取该片最大修改时间。

$changed = !$old
    || $old['title'] !== $title
    || $old['body_md'] !== $bodyMd;
$modified = $changed ? date('c') : $old['modified_at'];

四、和抓取预算的关系

官方把站点速度、5xx、429 归入 crawl capacity limit（能抓多少），把流行度、更新频率、页面质量、URL 清单质量归入 crawl demand（想抓多少）。sitemap 的主要作用是让 URL 清单保持干净、及时，减少 Google 把时间浪费在重复或无效 URL 上，而不是「催」它来抓。

另外官方文档特别提醒：不要为了省抓取预算用 noindex 或 robots.txt 屏蔽页面，Google 会先抓到页面再丢弃，反而更浪费。