这个文件是我手写的。二十来条，每条三行。
先说清楚：它读起来一点也不聪明。全站二十页，写脚本生成省事得多，我试过，跑了一遍就删了。
文件时间不等于内容时间
脚本的思路是扫一遍目录，按每个文件的修改时间填 lastmod。听起来天经地义，直到我做了一次全站重新上传：所有文件的修改时间变成了同一分钟。脚本生成的 sitemap 于是在告诉搜索引擎 —— 今天这二十页全都更新了。
这句是假话。那天我只改了一个错别字。
根子在于，文件时间记录的是「这个文件最后一次被写过」，不是「这页内容最后一次变化」。对我来说这两个时间只在理想情况下重合。上传、备份、批量替换字符，都能让前者变、后者不变。
把日期写诚实，比想象中费事
所以我现在手动改。改完一篇，先在正文里改，再打开 sitemap.xml，找到那一行，改掉。顺序固定，漏的概率小一点。
照样漏过两次。一次是改了个错别字，当时觉得不值得动 sitemap。后来想通了：内容变了就是变了，我不该替搜索引擎判断哪次改动算数。另一次纯粹是忘了，隔了快一周才发现某个日期不对。
我确实被诱惑过。把所有条目的 lastmod 都刷成当天，整个站看起来一直在更新，多体面。我没做。二十条日期一模一样，是最明显的自动生成痕迹；更要紧的是，那还是一句假话。这种地方写对了没人夸你，写错了是会被翻出来看的。
robots.txt 我第一条就写错了
第一版里我写了一条 Disallow: /404.html，理由很直白：错误页不该出现在搜索结果里。
我把它理解成「别收这一页」。它实际的含义是「别来抓这一页」。这两件事差得远。一个地址被挡在门外，搜索引擎照样可能把它列进结果，只要有别处链接过去，只不过拿不到摘要，结果里显示的是一行光秃秃的网址，比收录了还难看。真想让它不出现，反倒得让页面能被抓，然后在页面里说明不要收录。
这条我最后整个删掉了。二十页的站，坏链本来就少，为它多写一行不如不写。现在文件里只剩两行有用的：全站放行，和一行指向 sitemap 的完整地址。
那个地址我最早写的是 /sitemap.xml，相对路径。它必须是完整网址，从站点根写起的简称在这里没有意义 —— 这行字是给站外的程序看的，它不知道「本站」是谁。改完我用浏览器直接访问了一次，确认返回的是 XML，不是那个自定义错误页。
nginx 上跟着改了两个地方
原来我把 xml 塞在静态资源的长缓存那一组里。后来反应过来：sitemap 是内容，不是资源。我加一篇文章它就该变，而一个月的缓存会让搜索引擎整整一个月拿到旧的那份。现在 html、xml、txt 一律不走长缓存。
robots.txt 我也照这个处理。它一天被读不了几次，为省那点流量去冒「拿到旧文件」的风险不划算。顺手加了 charset utf-8;，因为本地检查工具抱怨过编码 —— 文件本身是纯 ASCII，加不加大概都行，一行的事。
location = /robots.txt {
charset utf-8;
expires -1;
add_header Cache-Control "no-cache";
}
location = /sitemap.xml {
charset utf-8;
expires -1;
add_header Cache-Control "no-cache";
}两处我到现在也不确定
一、robots.txt 里那行 Sitemap 指针到底起没起作用，我说不清。日志里能看到抓取，但看不出对方是先读了 robots.txt 再顺着过来的，还是从别的地方知道的地址。
二、changefreq 和 priority 这两项，我读到过「早就被忽略」的说法，也读到过「仍然参考」的说法，两边都没找到站得住的出处。我现在还写着 —— 写了不亏 —— 但它到底有没有产生过任何作用，我不知道。
现在的样子
二十来条，六十行左右。没有插件，没有构建。加一篇文章要改四处：分类列表、归档、标签页、sitemap。
麻烦是真的。但每次手动改的时候，我至少清楚自己在改什么、为什么改。这个站总共二十页，麻烦的规模和站的规模勉强配得上 —— 等它有一百页，我大概就得换个做法了。