Usted soluciona los errores de obtención de sitemap identificando la causa raíz en el informe de Sitemaps de Google Search Console (GSC) y asegurándose de que la URL sea accesible para el Googlebot. Cuando GSC informa un estado de ‘No se pudo obtener’ o ‘Error de análisis’, indica que Google ha encontrado una barrera que le impide leer su archivo XML. Esto a menudo se debe a configuraciones del lado del servidor, formato de archivo incorrecto o problemas de conectividad temporales que bloquean al rastreador.
¿Por qué Google no puede obtener su sitemap?
Google Search Console proporciona códigos de error específicos para ayudarle a diagnosticar el problema. Un error de ‘No se pudo obtener’ ocurre a menudo porque su servidor web devuelve un código de estado HTTP 4xx o 5xx cuando Google intenta acceder al archivo. Esto bloquea al rastreador para que no llegue a su contenido.
Por ejemplo, si la configuración de su servidor tiene un firewall estricto, podría identificar erróneamente al Googlebot como un actor malintencionado. Esto resulta en un error 403 Prohibido. Revisar los registros de su servidor en busca de estos intentos de acceso específicos es una forma estándar de ver si sus configuraciones de seguridad son demasiado agresivas. Además, los problemas intermitentes de DNS pueden causar fallas temporales de obtención que se resuelven por sí solas, pero los errores persistentes sugieren un problema de infraestructura más profundo.
Otro culpable común es una cadena de redireccionamiento. Si la URL de su sitemap redirige a través de varias páginas antes de llegar al archivo XML final, Google puede agotar el tiempo de espera antes de obtener el contenido con éxito. Asegúrese siempre de que la URL de su sitemap lleve directamente al archivo sin redireccionamientos innecesarios. Además, si está utilizando una CDN, asegúrese de que la caché no esté sirviendo una versión desactualizada o corrupta del archivo XML, lo que puede provocar discrepancias de estado.
Finalmente, considere la ubicación geográfica de su servidor. Si su proveedor de alojamiento tiene habilitadas reglas estrictas de bloqueo geográfico, el Googlebot podría tener restringido el acceso a los archivos dependiendo del rango de IP que esté utilizando para ese rastreo específico. Revisar las listas de control de acceso de su servidor a menudo revelará estos bloqueos ocultos.
Causas comunes de errores de análisis de sitemap
Los errores de análisis ocurren cuando la estructura de su archivo XML no sigue el protocolo requerido. Si su sitemap contiene caracteres no válidos, etiquetas rotas o codificación que no sea UTF-8, el analizador fallará. Estos errores impiden que Google procese la lista de URLs contenidas en el archivo.
Muchos desarrolladores encuentran estos problemas al generar sitemaps dinámicamente usando plugins. Si el plugin no logra eliminar los caracteres ocultos o no escapa correctamente los símbolos especiales como los ampersands, todo el archivo se vuelve ilegible. La edición manual de archivos XML también introduce con frecuencia errores de sintaxis que permanecen ocultos hasta que intenta enviarlos.
Al tratar con la generación dinámica, verifique la presencia de espacios en blanco antes de la declaración XML. Incluso una sola línea vacía al comienzo del archivo puede hacer que el analizador arroje un error. A menudo vemos esto con temas de CMS que inyectan código o comentarios adicionales en el encabezado, rompiendo inadvertidamente la estructura XML requerida por los motores de búsqueda.
- Anidamiento incorrecto de etiquetas XML o etiquetas sin cerrar.
- Uso de caracteres no permitidos o escape inadecuado de caracteres especiales.
- El tamaño del archivo excede el límite de 50 MB o contiene más de 50,000 URLs.
- Alojar el sitemap en un dominio diferente sin la verificación entre sitios adecuada.
- Falta la declaración de encabezado XML requerida.
Cómo realizar un diagnóstico técnico
Comience probando la URL de su sitemap directamente en un navegador o usando un verificador de encabezado HTTP sin procesar. Si la página devuelve un error 404, verifique la ubicación del archivo. Si devuelve un error de nivel 500, examine los registros de su servidor en busca de problemas de conectividad o bloqueos de firewall que podrían estar rechazando al agente de usuario Googlebot.
También debe validar el esquema XML contra el protocolo oficial sitemaps.org. Muchos validadores en línea gratuitos pueden señalar exactamente qué línea contiene el error de sintaxis. Una vez que haya identificado la línea, corrija la codificación o el desajuste de etiquetas y vuelva a cargar el archivo en el directorio raíz de su servidor.
Probar el archivo localmente con un linter también es una buena práctica. Al ejecutar un script local para verificar la estructura, elimina las variables de latencia del servidor o restricciones de acceso externo. Si el archivo pasa la verificación local pero falla en GSC, el problema casi con certeza está relacionado con cómo responde su servidor a agentes de usuario específicos.
El informe de Problemas de seguridad muestra cualquier página hackeada que Google haya identificado en su sitio, e instrucciones sobre cómo solucionar el problema.
Google Search Central
Cómo aplica esto Alien Road
En Alien Road, nuestro equipo utiliza un proceso estándar para cada compromiso técnico para garantizar la salud del sitemap. Primero inspeccionamos el archivo robots.txt para confirmar que ninguna directiva esté bloqueando la ruta del sitemap. A continuación, validamos la estructura XML utilizando scripts internos estándar antes de enviar la URL al panel de propiedades de GSC.
En un compromiso típico con un cliente, encontramos que los sitemaps a menudo crecen demasiado para el límite de 50,000 URLs. Cuando esto sucede, dividimos el sitemap en archivos de índice. Luego monitoreamos el panel de GSC durante una semana completa para confirmar que el índice se procese sin errores recurrentes, asegurando que el nuevo contenido del cliente llegue al índice según lo previsto.
Para una auditoría de un cliente, identificamos que un plugin de seguridad automatizado estaba limitando agresivamente la tasa del Googlebot. Al incluir en la lista blanca los rangos de IP oficiales del Googlebot en la configuración del servidor, eliminamos inmediatamente los errores de ‘No se pudo obtener’ que habían estado afectando su informe de indexación durante meses.
- Audite la estructura del sitio para asegurarse de que solo se incluyan URLs indexables.
- Verifique los encabezados de respuesta del servidor para asegurarse de que el sitemap devuelva un estado 200 OK.
- Monitoree el informe de cobertura de GSC para detectar cualquier retraso posterior en la indexación.
- Verifique que el sitemap esté vinculado correctamente en el archivo robots.txt.
- Asegúrese de que todas las URLs dentro del sitemap sean absolutas y utilicen el protocolo correcto.
¿Qué pasa si los errores persisten después de arreglar el archivo?
Los errores persistentes a menudo indican que su servidor todavía está almacenando en caché la versión antigua y rota del archivo. Debe purgar su caché del lado del servidor y cualquier servicio de almacenamiento en caché perimetral como Cloudflare para asegurarse de que se esté sirviendo la versión más reciente del XML.
También recomendamos verificar que el archivo no esté siendo bloqueado por una regla ‘.htaccess’ oculta o una configuración a nivel de servidor que apunte específicamente al tipo de archivo XML. A veces, los desarrolladores aplican inadvertidamente encabezados de seguridad que impiden que Google lea el archivo, incluso si el archivo en sí es válido.
Pasos para resolver fallas persistentes de obtención
Si el problema persiste, verifique sus configuraciones de seguridad. A veces, los plugins de seguridad o los Firewalls de Aplicaciones Web (WAF) identifican erróneamente al Googlebot como un actor malintencionado. Ajustar las reglas de su firewall para permitir el acceso del Googlebot a menudo puede resolver estos problemas de inmediato. También verificamos si hay bloqueos basados en IP que podrían estar impidiendo que los servidores de rastreo específicos de Google lleguen a sus archivos.
Por dónde empezar esta semana
Inicie sesión en su cuenta de Google Search Console y navegue a la sección ‘Sitemaps’ en la pestaña ‘Indexación’. Revise el estado de sus archivos enviados. Si ve un error, haga clic en el elemento de línea específico para leer la descripción detallada del error proporcionada por Google. Aborde el problema específico de URL o formato identificado, luego vuelva a enviar el archivo para activar un nuevo rastreo.