java sitemap.xml站点地图创建 sitemap提交百度提示xml格式错误 sitemapgen4j使用 java百度链接主动(实时)推送

亦凉 2021-12-13 13:32 560阅读 0赞

# 一、前言 #

前几个月用jeesite4开发了个网站，上线运行了几个月，因为自己搞过SEO，所有，想把站点提交到百度收录，遇到了一些很尴尬的事，就是百度链接提交通过sitemap提交，一直提示XML格式错误，提示这个也就算了，问题是没有任何错误信息，无语。。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE3ODE1MjE_size_16_color_FFFFFF_t_70][]

检查了好几遍，没有任何问题，上面提示着XML错误，点击去就提示网页找不到。。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE3ODE1MjE_size_16_color_FFFFFF_t_70 1][]

本来想着反馈下问题，没想到，百度那边半个多月了没有答案。。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE3ODE1MjE_size_16_color_FFFFFF_t_70 2][]

自己也不急，没事就等等呗，直到今天晚上，有时间了，把他解决掉了，解决思路，用的是测试法，先将百度提供的示例完整的复制一份放到服务器上，改下链接，再次提交，百度就没有提示xml格式错误了。。。出错的原因很简单。。。。就是sitemap索引文件格式有问题。。以下是我生成sitemap索引文件的格式：

问题就出在xml命名空间。。在百度的示例中，没有用命名空间。。用了会报错。这。。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE3ODE1MjE_size_16_color_FFFFFF_t_70 3][]

关于xml格式错误的注意点：

1.最后现将百度提供的示例，复制一份，将loc改成自己的链接，测试下。

2.xml格式要utf-8格式，我用大写UTF-8测试了一下。。也报xml格式错误。。

3.示例中的lastmod说是选填，我这里如果没有的话，貌似还是会报xml格式错误。

4.还有个比较奇怪的问题就是。。xml格式的缩进。。在vim中查看下缩进。

先说下什么是sitemap?

Sitemap是站长告诉搜索引擎他们网站上可供抓取的网页有哪些。最简单的Sitemap形式就是XML文件。在其中列出网站中的网址以及关于每个网址的其他元数据（上次更新的时间、更改的频率以及相对于网站上其他网址的重要程度为何等），以便搜索引擎可以更加智能地抓取网站。

百度的链接提交总的分为两种：

1.自动提交:自动提交又分为三种，实时，自动，sitemap，我这里用的是主动推送+sitemap两种组合方式。

2.手动提交

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE3ODE1MjE_size_16_color_FFFFFF_t_70 4][]

# 二、操作 #

## A.主动推送 ##

主动推送比较简单，就是将你想要提交的链接通过POST提交到百度就行了，代码如下，比较简单，通过URLConnection提交：

/**
         * 从百度站长平台获取
         */
        private static String baiduApiUrl = "http://data.zz.baidu.com/urls?site=www.xxxx.com&token=xxxx";

/**
         * 百度链接实时推送
         * @param Parameters
         * @return
         */
        public static String Post(String[] Parameters){
            if(null == Parameters || Parameters.length ==0){
                return null;
            }
            String result="";
            PrintWriter out=null;
            BufferedReader in=null;
            OutputStreamWriter outs = null;
            try {
                //建立URL之间的连接
                URLConnection conn=new URL(baiduApiUrl).openConnection();
                //设置通用的请求属性
                conn.setRequestProperty("Host","data.zz.baidu.com");
                conn.setRequestProperty("User-Agent", "curl/7.12.1");
                conn.setRequestProperty("Content-Length", "83");
                conn.setRequestProperty("Content-Type", "text/plain");
                //发送POST请求必须设置如下两行
                conn.setDoInput(true);
                conn.setDoOutput(true);
                //获取conn对应的输出流
                outs = new OutputStreamWriter(conn.getOutputStream(), "utf-8");
                //发送请求参数
                String param = "";
                for(String s : Parameters){
                    param += s+"\n";
                }
                //进行输出流的缓冲
                outs.write(param); // post的关键所在
                outs.flush();
                //通过BufferedReader输入流来读取Url的响应
                in=new BufferedReader(new InputStreamReader(conn.getInputStream()));
                String line;
                while((line=in.readLine())!= null){
                    result += line;
                }
                System.out.println(result);
            } catch (Exception e) {
                System.out.println("发送post请求出现异常！"+e);
                e.printStackTrace();
            } finally{
                try{
                    if(out != null){
                        out.close();
                    }
                    if(in!= null){
                        in.close();
                    }
                }catch(IOException ex){
                    ex.printStackTrace();
                }
            }
            return result;
        }

请求成功之后，返回如下数据：

{
       "remain":4999998,
       "success":2
    }

## ##

## B.Sitemap索引文件提交 ##

# #

注意，我这里用的是Sitemap索引文件而不是普通的xml，区别如下：[https://ziyuan.baidu.com/college/courseinfo?id=267&page=2\#04][https_ziyuan.baidu.com_college_courseinfo_id_267_page_2_04]

百度Sitemap协议支持三种格式：文本格式、xml格式、Sitemap索引格式,可以根据自己情况来选择任意一种格式组织sitemap。具体格式说明及示例如下：

### 1.文本格式 ###

在一个txt文本列明需要向百度提交的链接地址，将txt文本文件通过站长平台进行提交      
http://www.example.com/repaste/101562698\_5230191316.html  
http://www.example.com/repaste/101586283\_5230215075.html  
http://www.example.com/repaste/101639435\_5230310576.html

此文本文件需要遵循以下指南：  
· 文本文件每行都必须有一个网址。网址中不能有换行。  
· 不应包含网址列表以外的任何信息。  
· 您必须书写完整的网址，包括 http。  
· 每个文本文件最多可包含 50,000 个网址，并且应小于10MB（10,485,760字节）。如果网站所包含的网址超过 50,000 个，则可将列表分割成多个文本文件，然后分别添加每个文件。  
· 文本文件需使用 UTF-8 编码或GBK编码。

### 2.xml格式 ###

单个xml数据格式如下：

<?xml version="1.0" encoding="utf-8"?>
    
    <urlset>
    
        <url>
            
            <loc>http://www.yoursite.com/yoursite.html</loc>
            
            <lastmod>2009-12-14</lastmod>
            
            <changefreq>daily</changefreq>
            
            <priority>0.8</priority>
            
        </url>
        <url>
            <loc>http://www.yoursite.com/yoursite2.html</loc>
            <lastmod>2010-05-01</lastmod>
            <changefreq>daily</changefreq>
            <priority>0.8</priority>
        </url>
    </urlset>

上述Sitemap向百度提交了一个url:http://www.yoursite.com/yoursite.html   
若有多条url，按照上述格式重复<url></url>之间的片断，列明所有url地址，打包到一个xml文件，向站长平台进行提交。

### 3.Sitemap索引格式 ###

如需提交大量sitemap文件，则可将其列在sitemap索引文件中，然后将该索引文件提交，您无需分别提交每个文件。

<?xml version="1.0" encoding="utf-8"?>
    
    <sitemapindex>
    
        <sitemap>
                    
            <loc>http://example.com/ext/xmlsitemap/add/201201/index_20120106.xml</loc>
            
            <lastmod>2009-12-14</lastmod>
            
        </sitemap>
        
    </sitemapindex>

有多个Sitemap，按上述格式重复<sitemap></sitemap>之间的片断，列明所有Sitemap地址，向站长平台进行提交。

注意：

第一，一个Sitemap文件包含的网址不得超过 5 万个，且文件大小不得超过 10 MB。如果您的Sitemap超过了这些限值，请将其拆分为几个小的Sitemap。这些限制条件有助于确保您的网络服务器不会因提供大文件而超载。

第二，一个站点支持提交的sitemap文件个数必须小于5万个，多于5万个后会不再处理，并显示“链接数超”的提示。

第三，如果验证了网站的主域，那么Sitemap文件中可包含该网站主域下的所有网址。

在JAVA中创建xml格式的文件有以下几种方式：

1.手动拼接文件，组装格式，写入文件

2.通过jdom创建

3.通过sitemapgen4j

我这里提供2,3方式的代码，添加如下依赖：

<dependency>
    	<groupId>com.github.dfabulich</groupId>
    	<artifactId>sitemapgen4j</artifactId>
    	<version>1.1.1</version>
    </dependency>
    <dependency>
    	<groupId>org.jdom</groupId>
    	<artifactId>jdom</artifactId>
    	<version>1.1.3</version>
    </dependency>

### JDOM方式(代码中实现的是第2种方式提交，稍微改一下就可以第3种方式提交)： ###

public void createSiteMap(){
            String WEBSITE = "http://www.xxxx.com";
            Element urlset = new Element("urlset");
            Document document = new Document(urlset);
            List<String> cList;
            if(cList == null || cList.size() < 1 ){
                return ;
            }
            int i=1;
            for (String category : cList) {
                System.out.println(category + "生成中..." + i);
                i++;
                //
                Element url = new Element("url");
                //
                Element loc = new Element("loc");
                loc.setText(WEBSITE + "/seo/" + category  +"/sitemap.xml");
                url.addContent(loc);
                urlset.addContent(url);
            }
            XMLOutputter XMLOut = new XMLOutputter();
            try {
                Format f = Format.getPrettyFormat();
                //default=UTF-8
                f.setEncoding("UTF-8");
                XMLOut.setFormat(f);
                String path = "D:\\tmp\\sitemap\\sitemap_index.xml";
                XMLOut.output(document, new FileOutputStream(path));
            } catch (Exception e) {
                e.printStackTrace();
            }
        }

sitemapgen4j方式

URL类

@XmlRootElement(name = "url")
    public class Url {
    
        private String ioc;
    
        public Url() {
        }
    
        public Url(String ioc) {
            super();
            this.ioc = ioc;
        }
    
        @XmlElement(name = "ioc")
        public String getIoc() {
            return ioc;
        }
    
        public void setIoc(String ioc) {
            this.ioc = ioc;
        }
    
    }

Sitemap类

@XmlRootElement(name = "sitemap")
    public class Sitemap {
    
        private String ioc;
    
        public Sitemap() {
        }
    
        public Sitemap(String ioc) {
            super();
            this.ioc = ioc;
        }
    
        @XmlElement(name = "ioc")
        public String getIoc() {
            return ioc;
        }
    
        public void setIoc(String ioc) {
            this.ioc = ioc;
        }
    
    }

工具类

import java.io.IOException;
    import java.io.Writer;
    import java.util.Iterator;
    
    import javax.xml.bind.DataBindingException;
    import javax.xml.bind.JAXBContext;
    import javax.xml.bind.JAXBException;
    import javax.xml.bind.Marshaller;
    import javax.xml.bind.PropertyException;
    
    public class SiteMapUtils {
    
        protected final static String URLSET_START = "<?xml version='1.0' encoding='UTF-8'?>\n"
                + "<urlset xmlns:xsi=\"http://www.w3.org/2001/XMLSchema-instance\"\n"
                + "         xsi:schemaLocation=\"http://www.sitemaps.org/schemas/sitemap/0.9 http://www.sitemaps.org/schemas/sitemap/0.9/sitemap.xsd\"\n"
                + "         xmlns=\"http://www.sitemaps.org/schemas/sitemap/0.9\">\n";
        protected final static String URLSET_END = "\n</urlset>";
    
    	
        protected final static String SITEMAPINDEX_START = "<?xml version='1.0' encoding='UTF-8'?>\n"
                + "<sitemapindex xmlns:xsi=\"http://www.w3.org/2001/XMLSchema-instance\"\n"
                + "         xsi:schemaLocation=\"http://www.sitemaps.org/schemas/sitemap/0.9 http://www.sitemaps.org/schemas/sitemap/0.9/siteindex.xsd\"\n"
                + "         xmlns=\"http://www.sitemaps.org/schemas/sitemap/0.9\">\n";
    
        protected final static String SITEMAPINDEX_STARTS = "<?xml version='1.0' encoding='UTF-8'?>\n"
                + "<sitemapindex>\n";
    
        protected final static String SITEMAPINDEX_END = "\n</sitemapindex>";
    
        public static void writeSitemapIndex(Writer writer, Iterator<? extends Sitemap> mappings) throws IOException {
            writeXml(writer, SITEMAPINDEX_STARTS, mappings, SITEMAPINDEX_END);
        }
    
        public static long writeUrlset(Writer writer, Iterator<Url> urls) throws IOException {
            return writeXml(writer, URLSET_START, urls, URLSET_END);
        }
    
        private static long writeXml(Writer writer, String start, Iterator<?> it, String end) throws IOException {
            writer.write(start);
            long count = writeSubtree(writer, it);
            writer.write(end);
            return count;
        }
    
        public static long writeSubtree(Writer writer, Iterator<?> it) throws IOException {
            long size = 0;
            Marshaller m;
            try {
                JAXBContext jc = JAXBContext.newInstance(Sitemap.class, Url.class);
                m = jc.createMarshaller();
                m.setProperty(Marshaller.JAXB_FRAGMENT, true);
                m.setProperty(Marshaller.JAXB_FORMATTED_OUTPUT, true);
            } catch (PropertyException e) {
                throw new DataBindingException(e);
            } catch (JAXBException e) {
                throw new DataBindingException(e);
            }
            boolean first = true;
            while (it.hasNext()) {
                if (first) {
                    first = false;
                } else {
                    writer.write("\n");
                }
                try {
                    m.marshal(it.next(), writer);
                } catch (JAXBException e) {
                    throw new IOException(e);
                }
                size++;
            }
            return size;
        }
    
    }

### sitemap索引生成方法 ###

/**
         * 动态生成sitemap
         * 目录，web根目录，就是你的站点首页 index.html所在同级目录
         */
        public void createSiteMap(){
            try {
                long start = System.currentTimeMillis();
                String WEBSITE = "http://www.xxxx.com";
                String realPath = "D:\\tmp\\";
                List<Category> cList = findAllCategory();
                if(cList == null || cList.size() < 1 ){
                    return ;
                }
                //存放子sitemap路径的list集合
                List<String> siteMapList = Lists.newArrayList();
                for(Category category:cList){
                    /** 查询每个分类下对应的文章 **/
                    System.out.println("查询每个分类下对应的文章" + category.getId());
                    List<Article> aList = findArticleBy(category.getId());
                    if(aList != null && aList.size() > 0){
                        String path = realPath + category.getId();
                        //判断文件夹是否存在，不存在则创建
                        fileExists(path);
                        WebSitemapGenerator sitemapGenerator = WebSitemapGenerator.builder(WEBSITE, new File(path)).gzip(false).build();
                        //遍历取出来的文章
                        for(Article article:aList){
                            //文章详情页的url地址
                            String url = StringUtils.join("http://www.xxxx.com/detail/",article.getId(),".html");
                            WebSitemapUrl sitemapUrl = new WebSitemapUrl.Options(url).lastMod(formatDate(article.getAddTime(), DATE_FORMAT)).priority(0.9).changeFreq(ChangeFreq.HOURLY).build();
                            sitemapGenerator.addUrl(sitemapUrl);
                        }
                        sitemapGenerator.write();
                        //主索引文件需要这个路径
                        siteMapList.add(WEBSITE + "/seo/" + category.getId() +"/sitemap.xml");
                    }
                }
                //其实分类 - list 页 url也应该存一个sitemap，看自己吧，如果也想告诉搜索引擎，我的list列表页也很重要，那么就做
                /** 生成主索引文件 **/
                if(siteMapList!=null && siteMapList.size()>0){
                    Collection<Sitemap> s = new ArrayList();
                    for(String url:siteMapList){
                        s.add(new Sitemap(url));
                    }
                    Writer wt = new PrintWriter(new File(realPath + "/sitemap.xml"));
                    SiteMapUtils.writeSitemapIndex(wt, s.iterator());
                    wt.close();
                }
                long end = System.currentTimeMillis();
                System.out.println("生成Sitemap完毕, 共耗时："+(end-start));
            } catch (Exception e) {
                e.printStackTrace();
            }
        }

这样就会在seo目录下创建一个sitemap.xml总的索引文件，链接到a/b/c啥啥分类目录，每个分类目录下有个sitemap.xml用来记录该分类下的所有链接。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE3ODE1MjE_size_16_color_FFFFFF_t_70]: /images/20211213/9146b99ec9c7422c992457dbf3a29eed.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE3ODE1MjE_size_16_color_FFFFFF_t_70 1]: /images/20211213/9d2a7dda3f5c4b05964b5d2b8aabe296.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE3ODE1MjE_size_16_color_FFFFFF_t_70 2]: /images/20211213/0063a550148d4e6986ab194e066db7d3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE3ODE1MjE_size_16_color_FFFFFF_t_70 3]: /images/20211213/836a1b1576e64bfdbbf4a16efa557ffe.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE3ODE1MjE_size_16_color_FFFFFF_t_70 4]: /images/20211213/ed39dae53e2b4673a4490e9b834c1d98.png
[https_ziyuan.baidu.com_college_courseinfo_id_267_page_2_04]: https://ziyuan.baidu.com/college/courseinfo?id=267&page=2#04