SAG / ARCHITECTURE NOTE
站点地图发现与采集范围：URL 列表如何转化为分析计划？
将站点地图中的地址列表转化为已获准域名的采集候选项。URL 列表本身并不是分析结果。如果不整理按语言重复的页面、排除页面和其他主机，工作量会增加，但可用于比较的依据仍然不足。
什么是站点地图发现？
将站点地图中的地址列表转化为已获准域名的采集候选项。 本笔记从输入、转换和输出各自承担的责任出发理解站点地图发现，而不是把它视为一个功能名称。要让分析结果可信，就必须能够追溯输入了哪些资料、检查了什么，以及结论的适用范围。
为什么需要这项技术？
URL 列表本身并不是分析结果。如果不整理按语言重复的页面、排除页面和其他主机，工作量会增加，但可用于比较的依据仍然不足。
设计原则与数据流
在发现阶段收集 XML 中的 URL 列表和 HTML 链接，同时将范围限制在目标域名、路径和最大页面数量内。发现数量、请求成功数量和诊断完成数量应分别统计。
站点地图 URL → 域名范围验证 → 采集候选列表
各个阶段不应把前一阶段的成功说成后一阶段的成果。连续记录资料标识符、时间段和验证状态，就能定位遗漏和错误发生的位置，并确定需要重新检查的范围。
与 SAG 架构的关联
SAG 将站点地图注册与基于域名的资料采集相连接。外部竞争对手的地址不会混入自有范围，而是作为单独的分析对象处理。
SAG 的运营价值在于将这种关联延伸到页面、问题、比较结果和改进工作。客户不仅能查看数字，也可以一并审查需要补充的对象及判断依据。需要进一步应用的模式，应根据相关段落所述范围来理解。
说明性示例与判断标准
即使说明用站点地图中有 20 个 URL，如果只有 18 个属于允许范围，且只有 15 个被采集，就应区分发现20、允许18、采集15。若将报告的分母固定为 20，就会忽略采集缺口。
上述示例用于说明结构和计算，并非某家特定客户的实测成果。实际报告应关联所选时间段、对象、观测条件和原始记录，才能再次核验同一判断。
实务验证清单
| 流程阶段 | 检查项目 |
|---|---|
| 站点地图 URL | 确认域名和路径的允许范围 |
| 域名范围验证 | 分别统计发现数量和成功数量 |
| 采集候选列表 | 验证 HTML 与 XML 格式的差异 |
请确认在空资料、重复资料以及条件不同的资料中，相关含义仍保持一致，而不仅仅检查正常输入。将验证项目纳入工作完成标准，可以缩小功能说明与实际运营之间的差异。
局限与应用注意事项
站点地图有助于发现 URL，但不保证其进入搜索索引或获得排名。还应检查来源的更新时间以及实际 HTTP 响应。
研究与官方文档
- Sitemaps 协议 — 定义站点地图 URL 和元数据的格式与范围。
外部资料是上述设计主题的背景，并不认证 SAG 的所有实现或客户成果。本笔记中的应用解读和说明性示例是依据 SAG 的运营结构整理的。资料核查日期：2026-10-06。
延伸阅读与功能验证
如何继续了解这项技术
沿着 HTML ZIP·站点地图 → 规范化 → 页面版本 → 依据记录这一流程阅读。
SAG / KNOWLEDGE LINKS