Sitemap XML: como estruturar corretamente

Um sitemap XML é o arquivo que você entrega ao Google para dizer, em linguagem estruturada, quais URLs do seu site devem ser consideradas para indexação. Ele não força indexação — apenas facilita a descoberta. Quando o arquivo tem sintaxe válida, respeita os limites do protocolo e lista somente URLs que merecem estar no índice, o Search Console reconhece o envio sem apontar erros e reporta o que foi descoberto contra o que foi efetivamente indexado.

Este guia é procedural: cobre a estrutura obrigatória do XML, os limites técnicos, a decisão de o que incluir, a submissão no Search Console, o diagnóstico dos erros mais comuns e a verificação final.

---

Estrutura obrigatória do arquivo XML

O protocolo é o sitemaps.org versão 0.9. Todo sitemap precisa começar com a declaração XML e envelopar as URLs dentro do elemento raiz <urlset> com o namespace correto.

Esqueleto mínimo válido

``xml <?xml version="1.0" encoding="UTF-8"?> <urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"> <url> <loc>https://exemplo.com.br/</loc> <lastmod>2026-09-15T14:30:00-03:00</lastmod> </url> <url> <loc>https://exemplo.com.br/servicos/consultoria-seo</loc> <lastmod>2026-09-20</lastmod> </url> </urlset> ``

O que cada tag faz

<?xml version="1.0" encoding="UTF-8"?> — declaração obrigatória na primeira linha. A codificação precisa ser UTF-8; caracteres especiais (acentos, &, <, >, aspas) devem ser escapados como entidades (&, <, >, ", ').
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"> — elemento raiz que envolve todas as entradas. O atributo xmlns é obrigatório; sem ele o arquivo é rejeitado como formato inválido.
<url> — envelope de cada URL listada. Cada bloco <url> representa uma página.
<loc> — URL absoluta e canônica da página. Precisa incluir protocolo (https://), o mesmo host declarado como preferido no Search Console, e não pode ter mais de 2.048 caracteres.
<lastmod> — data (ou data e hora) da última modificação real do conteúdo, em formato W3C Datetime. Aceita AAAA-MM-DD ou AAAA-MM-DDTHH:MM:SS+HH:MM (com fuso). Só faça sentido preencher com a data em que o conteúdo foi de fato alterado — carimbar todos os <lastmod> com a data atual a cada build faz o Google descartar o valor por perda de confiança.
<changefreq> e <priority> — historicamente parte do protocolo. Documentação pública do Google indica que esses dois campos são ignorados pelo Googlebot. São opcionais e, na prática, você pode omiti-los sem prejuízo — o esforço de calibrá-los não retorna benefício verificável de indexação.

Regras de codificação que costumam quebrar o arquivo

Toda <loc> precisa apontar para uma URL escapada. Exemplo: uma URL com ?filtro=cor&tamanho=g vira <loc>https://exemplo.com.br/produto?filtro=cor&tamanho=g</loc>.
Não misture protocolos: se o site canônico é https://, não liste versões http://.
Não misture hosts: www.exemplo.com.br e exemplo.com.br são propriedades distintas para o Search Console.

---

Limites técnicos por arquivo

Um único arquivo de sitemap tem dois limites rígidos definidos pelo protocolo:

50.000 URLs por arquivo, no máximo.
50 MB descompactado por arquivo, no máximo.

Quando o site excede qualquer um desses limites, você divide o inventário em múltiplos sitemaps e os agrega em um sitemap index — um arquivo XML que lista sitemaps em vez de URLs.

Estrutura do sitemap index

``xml <?xml version="1.0" encoding="UTF-8"?> <sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"> <sitemap> <loc>https://exemplo.com.br/sitemap-paginas.xml</loc> <lastmod>2026-09-25</lastmod> </sitemap> <sitemap> <loc>https://exemplo.com.br/sitemap-blog.xml</loc> <lastmod>2026-09-28</lastmod> </sitemap> <sitemap> <loc>https://exemplo.com.br/sitemap-produtos.xml</loc> <lastmod>2026-09-28</lastmod> </sitemap> </sitemapindex> ``

Observações práticas sobre o index:

O envelope muda de <urlset> para <sitemapindex>, e cada item de <url> para <sitemap>.
Um sitemap index pode listar até 50.000 sitemaps filhos.
Você pode comprimir sitemaps individuais em .gz (o Googlebot aceita), mas o limite de 50 MB é medido no arquivo descompactado.
Recomenda-se segmentar por tipo de URL (páginas institucionais, blog, produtos, categorias). Isso ajuda o diagnóstico: se o Search Console reportar erro em um sitemap específico, você já sabe qual conjunto do site investigar.

---

O que incluir e o que excluir

O sitemap serve para sinalizar ao Google as URLs que você quer que sejam consideradas para o índice. Qualquer URL que não deveria ser indexada polui o arquivo, gera avisos no Search Console e desperdiça sinais de rastreamento.

Incluir apenas se a URL atender a TODOS estes critérios

Retorna HTTP 200 (não é 3xx, 4xx nem 5xx).
É a versão canônica — a mesma URL declarada em <link rel="canonical"> na própria página.
É indexável — não tem meta robots noindex nem cabeçalho X-Robots-Tag: noindex.
Não está bloqueada por robots.txt — o Googlebot precisa conseguir rastrear.
Tem valor de busca — é uma página de destino real: institucional, produto, artigo, categoria com conteúdo próprio.

Excluir sempre

URLs com noindex — o sitemap está pedindo indexação de algo que a própria página proíbe. É um sinal contraditório.
Redirects (301/302) — liste o destino final, nunca a origem.
URLs 404 ou 410 — páginas removidas não devem constar.
URLs 5xx — erros de servidor precisam ser corrigidos antes de reintegrar ao sitemap.
URLs bloqueadas por robots.txt — se o robots proíbe, o Googlebot não consegue processar.
Variantes com parâmetros duplicados — ?utm_source=, ?sessionid=, ordenação de filtros, paginação idêntica ao conteúdo da URL canônica.
Páginas de baixo valor — resultados de busca interna, páginas de tag vazias, carrinho, checkout, área logada, políticas repetidas em subdiretórios.
Versões não-canônicas — HTTP quando o canônico é HTTPS, www quando o canônico não tem www, com barra final quando o canônico não tem (e vice-versa).

Regra prática: se você precisa hesitar sobre incluir uma URL, provavelmente ela não deveria estar ali.

---

Hospedagem e submissão ao Google Search Console

1. Hospedar o arquivo em URL acessível

Coloque o sitemap principal na raiz do domínio: https://exemplo.com.br/sitemap.xml. O arquivo precisa estar acessível publicamente por HTTP GET, sem autenticação, retornando status 200 e content-type application/xml (ou text/xml).

2. Declarar o sitemap no `robots.txt`

No arquivo robots.txt da raiz, adicione a linha:

`` Sitemap: https://exemplo.com.br/sitemap.xml ``

Se houver um sitemap index, aponte para o index (não para cada filho). Você pode declarar múltiplas linhas Sitemap: se tiver arquivos independentes (por exemplo, um sitemap normal e um sitemap de imagens em domínio separado). Use sempre URLs absolutas.

3. Enviar pelo Search Console

Abra o Search Console e selecione a propriedade correta (a mesma versão de host: https:// com ou sem www, conforme o canônico).
No menu lateral, acesse Sitemaps.
No campo Adicionar novo sitemap, informe o caminho relativo do arquivo (ex.: sitemap.xml). A ferramenta prefixa automaticamente o host da propriedade.
Clique em Enviar.

Após o envio, o Search Console tenta buscar o arquivo imediatamente e mostra o resultado inicial. Para um sitemap index, basta enviar o arquivo index — o Search Console descobre e passa a monitorar os sitemaps filhos automaticamente.

4. Aguardar processamento

O status muda de "Não foi possível buscar" ou "Em processamento" para "Sucesso" quando o arquivo é lido corretamente. O tempo varia — algumas horas até alguns dias para grandes volumes. Não reenvie o mesmo sitemap repetidamente enquanto ele está em processamento; isso não acelera nada.

---

Diagnóstico dos erros mais comuns

Quando o Search Console reporta um problema, ele indica a causa em texto curto. Estes são os erros mais frequentes e a leitura correta de cada um:

"Não foi possível buscar o sitemap" / "Erro de leitura" O Search Console não conseguiu baixar o arquivo. Verifique:

A URL declarada existe e retorna 200 num teste com curl ou no próprio navegador anônimo.
O robots.txt não está bloqueando o caminho do sitemap (nada de Disallow: /sitemap.xml).
O servidor não está retornando 5xx no momento da leitura.
Não há redirect na URL do sitemap — o arquivo precisa ser servido diretamente.

"Formato inválido" / "Erro de análise XML" A sintaxe XML está quebrada. Causas típicas:

Caracteres não escapados dentro de <loc> (o & mais comum).
Declaração XML fora da primeira linha ou com espaços/BOM antes dela.
Namespace xmlns ausente no <urlset> ou <sitemapindex>.
Encoding real do arquivo não é UTF-8, apesar da declaração dizer que é.
Tag aberta sem fechar.

Cole um trecho do arquivo em um validador XML público ou rode xmllint --noout sitemap.xml para localizar a linha exata.

"URL não permitida" / "URL fora do escopo da propriedade" Há URLs no sitemap que não pertencem à propriedade cadastrada. Exemplo: você cadastrou https://exemplo.com.br e há entradas apontando para https://www.exemplo.com.br ou http://exemplo.com.br. Padronize todas as <loc> para o host exato da propriedade.

"URLs bloqueadas por robots.txt" Você listou URLs que o robots.txt proíbe de rastrear. Ou remova essas URLs do sitemap, ou libere-as no robots.txt — os dois sinais precisam ser coerentes.

"URL contém noindex" A página listada tem meta robots noindex ou cabeçalho X-Robots-Tag: noindex. Remova a URL do sitemap ou remova o noindex da página, dependendo de qual sinal está correto.

"Erro HTTP" (com código específico) As URLs retornam 3xx, 4xx ou 5xx. Corrija: remova redirects (liste o destino), tire 404 do arquivo, e resolva 5xx no servidor antes de reincluir.

"Sitemap consta como HTML" O servidor está entregando uma página HTML (frequentemente uma página de erro ou uma SPA que substitui o conteúdo real) no lugar do XML. Confira o Content-Type da resposta e certifique-se de que o arquivo é servido como arquivo estático, sem passar pelo roteador da aplicação.

"Excede o tamanho máximo" / "Excede o número máximo de URLs" Você bateu no limite de 50 MB ou 50.000 URLs. Divida em vários sitemaps e crie um sitemap index.

---

Verificação final

Depois que o status aparece como "Sucesso", valide dois indicadores no relatório do sitemap no Search Console:

URLs descobertas — número de URLs que o Search Console leu do arquivo. Deve bater com a contagem que você espera. Se estiver muito abaixo, provavelmente parte das URLs foi rejeitada silenciosamente por erro individual (ver seção anterior) ou o arquivo foi truncado por tamanho.

URLs indexadas vs. descobertas — este dado aparece no relatório de Indexação de páginas, filtrando por "Enviado pelo sitemap". Uma diferença entre descobertas e indexadas é esperada — nem toda URL enviada é aceita no índice. O Search Console detalha o motivo de cada exclusão (duplicada, canônica alternativa escolhida pelo Google, rastreada mas não indexada, etc.).

Rotina de revalidação após correção

Quando corrigir erros apontados:

Ajuste o arquivo (remova a URL problemática, corrija a sintaxe, resolva o status HTTP).
Publique a nova versão no mesmo caminho.
No Search Console, abra o sitemap na lista e use Ver detalhes para acionar uma nova leitura. Não é necessário deletar e reenviar — o Search Console relê periodicamente e detecta o <lastmod> atualizado no arquivo.
Acompanhe o status: se voltar a "Sucesso" e o número de erros zerar, a correção foi aceita.

O sitemap é um artefato vivo. A cada publicação, alteração ou remoção relevante no site, o arquivo (ou o sitemap filho apropriado) deve refletir o novo estado — e o <lastmod> das URLs efetivamente alteradas precisa ser atualizado. Um sitemap correto, mantido, e livre de URLs contraditórias é o que faz o Search Console reportar "Sucesso" e passar a ser útil como fonte de descoberta contínua para o Googlebot.

Sitemap XML: como estruturar corretamente