TypePadでのSitemapの作成

現状、下記のような構成になっているのだが、

example.domain /corp/           本社のブログ
              |
              +/branch_A/       支店Aのブログ
              |
              +/branch_B/       支店Bのブログ
              |
              .
              .
              .

このドメインは本社のブログに割り当てているのだが、TypePadの仕様上ブログはサブディレクトリ以下に作ることが望ましい、とのことなので、corpディレクトリ以下に作っている。

インデックステンプレートを作成すると、corpディレクトリ以下に作成されてしまい、トップレベルのsitemapが自動生成されない。また、作成されたとしても、各支店のsitemap.xmlをどうやって読んでもらうようにすればいいのか。

まあ、こういうときの基本は本家のドキュメントをしっかりと読む、ということにつきる。

sitemaps.org - プロトコル

サイトマップ インデックス ファイル (複数のサイトマップ ファイルのインデックス) を使用する場合

つまり、こう記述すればよいわけだ。

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
   /* 本社のサイトマップ */
   <sitemap>
   <loc>http://example.dmain/corp/</loc>
   </sitemap>   
   /* 支店Aのサイトマップ */
   <sitemap>
   <loc>http://example.dmain/branch_A/</loc>
   </sitemap>   
   /* 支店Bのサイトマップ */
   <sitemap>
   <loc>http://example.dmain/branch_B/</loc>
   </sitemap>   
   .
   .
   .
</sitemapindex>   

トップレベルのsitemapは各ブログが自動生成するsitemap.xmlへのポインタだけの役割に徹する、各ブログのsitemap.xmlはTypePadが更新の旅に自動生成するため、最新の状態が保てるという仕組みになる。

あとはrobots.txtにサイトマップの位置を記述して、各検索エンジンのクローラーに教えてあげればよい。

The Web Robots Pages

About /robots.txt In a nutshell Web site owners use the /robots.txt file to give instructions about their site to web robots; this is called The Robots Exclusion Protocol.

こんな感じの内容になる。

$ cat ./robots.txt
User-agent: *

Sitemap : http://example.domain/sitemap.xml

Google Webmaster ToolsのURLの合計値が、支店のsitemap.xmlで記述されたURLの合計になっていることを確認できる。

数時間後にはGoogleのクローラーがきて、いろいろ収集してくれる。