Analýza indexace – Sběr URL adres ze sitemapy

  • Bc. Adam Telička
WEBOO_BLOG_clanek_sber-url-adres.jpg

V minulých článcích jste se dozvěděli, jak získat seznam stránek, které jsou indexované na Googlu a seznam stránek, které jsou indexované na Seznamu. Ještě, než začneme analyzovat, kde máme v indexaci mezery, je třeba získat sadu URL stránek, se kterou indexované stránky budeme porovnávat. Tato URL pro naše účely budeme čerpat ze dvou zdrojů: ze souboru sitemap a z „crawlu“. V tomto článku se dozvíte, jak lokalizovat soubor sitemap.xml a jak z něj jednoduše vytáhnout všechna URL stránek.


Co je sitemap a jak pomůže mému SEO?

Soubor sitemap.xml je (měl by být) seznam všech URL, které chceme mít indexované. Zpravidla v něm nenajdeme stránky jako jsou obchodní podmínky, košík a stránky, které jsou vyloučeny v souboru robots.txt (pokud je správně strukturován).

Mapa stránek tak usnadňuje robotům vyhledávačů procházení URL a tím pádem i zvyšuje šanci, že tyto URL budou indexované, optimalizace pro vyhledávače se dá dělat většinou jen pro stránky, které jsou ve vyhledávačích dohledatelné.

Kde soubor sitemap najdu a kde by měl být?

Nejčastěji sitemapu najdete na adrese www.vasweb.cz/sitemap.xml. Existují ale výjimky, kdy má soubor jiný název.

Aby soubor sitemap mohl procházet SeznamBot, je třeba na něj mít umístěný odkaz v souboru robots.txt (najdete na adrese www.vasweb.cz/robots.txt). Odkaz na sitemap nicméně využívá i Google.

Pro GoogleBota je dále vhodné mít odkaz na soubor sitemap vložený i do SearchConsole.


Sitemap

Po úspěšné lokalizaci byste se měli dostat na adresu, jejíž obsah vypadá nějak takhle:

Teď jenom z tama dostat ty URL adresy smile Naštěstí to není vůbec složité a existuje spousta způsobů, jak toho docílit. 


Způsob 1 | Tabulkový editor 

Můžete si pomocí klávesových zkratek Ctrl + A & Ctrl + C označit celý obsah souboru sitemap, který si pak vložíte do tabulkového editoru. Na první řádek byste pak aplikovali filtr „Text contains“ a jako value byste vložili třeba „http“. Výsledný mišmaš by vypadal asi takhle:

 Neměl by být problém si pomocí „Hledat a nahradit“ vymazat všechny ty značky <loc> a dostat tak očištěnou sadu URL adres.


Způsob 2 | Externí služba

Existuje spousta nástrojů, které zpracují sitemap se stejným (možná o trochu rychlejším) výsledkem – „vyplivnou“ všechny URL adresy a můžete vesele kopírovat.

Stejně tak dobře funguje jakýkoliv převaděč z XML do CSV

Tento způsob je o něco lepší, ale pořád nám u většiny takových nástrojů zůstávají data, která pro tuto chvíli nepotřebujeme a opět bychom museli je museli čistit o zbytečné sloupce. K tomu všemu ještě ta otrava hledání takové stránky frown


Způsob 3 | Záložka v prohlížeči

Nej, nej, nej způsob. Nic rychlejšího snad ani neexistuje a existovat nemůže. 

Stačí označit následující skript a přetáhnout jej mezi záložky v prohlížeči. Odteď kdykoliv, kdy budete mít otevřenou sitemapu, jste od extrakce všech URL ze sitemap jen jeden klik na záložku daleko. Vyzkoušejte si to smile

 

javascript:var a = document.getElementsByTagName('loc'), arr = '';for(var i=0; i<a.length; i++) arr +=('<div>' + a[i].textContent + '</div>');//Sitemap_by_Weboo

 

 V příštím článku se budu věnovat tomu, jak dostat další seznam URL pomocí „crawlingu“. A nakonec to všechno splácneme dohromady a budeme mít hotovu základní analýzu indexace. Netrpělivci již teď můžou využít nástrojů jako je MarketingMiner nebo Collabim.

profilovky adam
Autor

Bc. ADAM TELIČKA

SEO mág Adam je kromě optimalizace pro vyhledávače šikovný textař, e-mail markeťák, linkbuilder a specialista na gramatické oříšky.

Email: Tato e-mailová adresa je chráněna před spamboty. Pro její zobrazení musíte mít povolen Javascript.

instagram.com/weboo.eu

    Copyright © 2018 | Created in Zlin by Weboo.eu | All rights reserved

    No Internet Connection
    Notification