Sitemap XML URL抽出

XML本文からlocの値を一覧にする

入力欄にサイトマップのXML本文を貼り付けると、含まれる<loc>要素のテキストが見つかった順に結果欄へ並びます。入力するのはXMLそのものです。https://example.jp/sitemap.xmlのようなファイルのURLだけでは、そのファイルの内容は読み込まれません。

サイトマップXMLでは、通常のURL一覧は<urlset>の中に<url>を置き、その子の<loc>にページURLを書きます。複数のサイトマップを示すインデックスは<sitemapindex>の中に<sitemap>を置き、その子の<loc>に子ファイルのURLを書きます。抽出結果の種類を見分けるには、値だけでなくXMLのルート要素も確認してください。

件数はURLの有効性やページ数を表さない

結果は入力中で見つかった空でないloc値の一覧です。同じ値が複数回あれば重複したまま出力され、元の出現順も保たれます。件数は抽出した文字列の数であり、重複を除いたページ数ではありません。

<lastmod>、<changefreq>、<priority>などは結果に含まれません。XMLとして読み取れる場合、&のようなエンティティは解析後の文字として表示されます。URLが正しい形式か、実際に応答するかを判定する機能ではありません。

本文を貼り付けて出力を確認する

1. XML本文を用意する

   自分が確認できるサイトマップファイルを開き、XMLの内容をコピーします。必要なのはファイル名やURLではなく、<urlset>または<sitemapindex>を含む本文です。

2. 入力欄へ貼り付ける

   入力欄に本文を貼ると結果が更新されます。内蔵サンプルを読み込んで表示を確認することもできます。入力欄の文字数表示で貼り付けた内容を確かめ、やり直すときはクリア操作で消します。

3. ルート要素と抽出件数を見る

   urlsetならページURL、sitemapindexなら子SitemapのURLが並ぶのが基本です。件数と元ファイルのlocを見比べ、想定した種類の値が出ているか確認します。

4. 必要な一覧をコピーする

   結果欄には1行に1つずつ値が表示され、コピー操作でまとめて取り出せます。表計算ソフトや変更管理用の一覧に貼り付けて、次の確認作業に利用できます。

抽出結果の見え方をXMLで確かめる

次のような本文では、結果にhttps://example.jp/とhttps://example.jp/aboutが2行で表示されます。lastmodの値はURL一覧には入りません。

<urlset xmlns='http://www.sitemaps.org/schemas/sitemap/0.9'><url><loc>https://example.jp/</loc><lastmod>2026-09-30</lastmod></url><url><loc>https://example.jp/about</loc></url></urlset>

ルートを<sitemapindex>にした文書では、結果はページURLではなく子SitemapのURLです。子ファイルをたどってページ一覧に展開するには、そのファイルのXML本文を別途用意してもう一度入力してください。

入力内容と結果についての質問

抽出後に別途確認が必要なこと

• 表示された文字列について、HTTPステータス、リダイレクト、アクセス可否、robotsルール、検索エンジンの登録状況は調べません。locにあることだけで、ページが公開中または検索結果に表示されるとは判断できません。
• サイトマップインデックスの再帰的な展開、リモートURLからの取得、.xml.gzの展開、重複除去、URLの正規化、スキーマ適合性の検証も行いません。圧縮ファイルは展開済みのXML本文を用意してください。
• 正常なXMLでも、sm:locのように接頭辞が付いた要素名は一致しないことがあります。解析エラー時の補助抽出も単純なタグ形だけを対象にするため、完全な抽出が必要な場合はXMLを修復してから使います。
• 一覧をクローラーや一括リクエスト処理に渡す場合は、ドメインと対象範囲を確認し、アクセス権のあるURLだけを扱ってください。

Google Search Centralは、サイトマップを送信してもGoogleがダウンロードまたは記載URLをクロールする保証はないと案内しています。抽出結果の整理と、検索エンジン側での処理確認は別の作業です。

仕様と検索エンジン側の確認資料