साइटमैप URL एक्सट्रैक्टर — साइटमैप से सारे URL निकालें

XML साइटमैप क्या है?

XML साइटमैप एक फ़ाइल है जो साइट के वे URL सूचीबद्ध करती है जिनके बारे में सर्च इंजन को पता होना चाहिए — हर एक url एलिमेंट में अपने loc और वैकल्पिक lastmod के साथ — sitemaps.org प्रोटोकॉल 0.9 के अनुसार। एक फ़ाइल में अधिकतम 50,000 URL और 50 MB (बिना कंप्रेस) होते हैं, बड़ी साइटें कई फ़ाइलों को साइटमैप इंडेक्स में रखती हैं, और हर URL absolute और साइटमैप के अपने होस्ट पर होना चाहिए। साइटमैप खोज में मदद करता है; क्रॉलिंग या इंडेक्सिंग की गारंटी नहीं देता।

साइटमैप URL एक्सट्रैक्टर कैसे इस्तेमाल करें

साइटमैप URL डालें, या उसका XML या URL की सादी सूची पेस्ट करें।
चाहें तो वह टेक्स्ट लिखें जो URL में होना चाहिए (जैसे /blog/), क्रम चुनें और «डुप्लिकेट URL हटाएँ» चालू रखें।
«URL निकालें» दबाएँ।
सूची कॉपी करें, या स्प्रेडशीट, क्रॉलर या रीडायरेक्ट मैप के लिए उसे TXT या टेबल को CSV में डाउनलोड करें।

साइटमैप URL एक्सट्रैक्टर की खूबियाँ

XML साइटमैप, साइटमैप इंडेक्स और सादे टेक्स्ट वाले साइटमैप पढ़ता है — Mutqan सर्वर से फ़ेच किए या पेस्ट किए
सिर्फ़ वे URL रखता है जिनमें कोई टेक्स्ट हो — /blog/ जैसी डायरेक्टरी, भाषा का prefix, कोई पैरामीटर
डुप्लिकेट URL हटाता है और बताता है कि कितने हटे
साइटमैप के क्रम में, वर्णक्रम में, या lastmod के हिसाब से नए या पुराने पहले सॉर्ट करता है
फ़ाइल में lastmod की रेंज और कितनी एंट्री में lastmod है, यह दिखाता है
सादी सूची (हर लाइन में एक URL) कॉपी या TXT डाउनलोड के लिए, और lastmod, changefreq, priority व hreflang गिनती वाली टेबल CSV डाउनलोड के लिए देता है

इनपुट और आउटपुट

इनपुट

साइटमैप URL — Mutqan सर्वर के ज़रिए 512 KiB तक फ़ेच होता है, रीडायरेक्ट फ़ॉलो होते हैं।
या पेस्ट किया साइटमैप — XML (urlset या sitemapindex) या absolute URL की सादी सूची, आपके ब्राउज़र में पढ़ी जाती है।
इन्हें रखने वाले URL — वैकल्पिक, case-sensitive टेक्स्ट जो URL में होना चाहिए।
क्रम और डुप्लिकेट हटाना — साइटमैप का क्रम, वर्णक्रम, सबसे नया या सबसे पुराना lastmod; डुप्लिकेट डिफ़ॉल्ट रूप से हटते हैं।

आउटपुट

सारांश — फ़ाइल की एंट्री, फ़िल्टर के बाद दिखाए गए URL, हटाए गए डुप्लिकेट, lastmod कवरेज और रेंज, और होस्ट की संख्या।
URL (हर लाइन में एक) — पूरी सूची, कॉपी या sitemap-urls.txt के रूप में डाउनलोड के लिए।
URL टेबल — lastmod, changefreq, priority और hreflang विकल्पों की गिनती वाली 2,000 तक पंक्तियाँ, sitemap-urls.csv के रूप में डाउनलोड योग्य।
फ़ेच विवरण — URL फ़ेच हुआ हो तो: अंतिम URL, स्टेटस, Content-Type, साइज़, resolved एड्रेस और समय।

साइटमैप URL एक्सट्रैक्टर का उदाहरण

साइटमैप से ब्लॉग URL, सबसे नए पहले

इनपुट:

छह एंट्री वाला पेस्ट किया urlset (एक /blog/ का डुप्लिकेट) · इन्हें रखने वाले URL: /blog/ · क्रम: सबसे नया lastmod पहले

आउटपुट:

Entries in file 6 · Listed 3 (after the filter) · Duplicates removed 1 · With lastmod 5 / 6 · Newest lastmod 2026-10-08 · Oldest lastmod 2026-08-02
https://www.example.com/blog/
https://www.example.com/blog/http2-vs-http3
https://www.example.com/blog/robots-txt-guide
Warning: The file has 1 protocol error; the XML Sitemap Validator lists it.

साइटमैप URL एक्सट्रैक्टर के नतीजे कैसे पढ़ें

«फ़ाइल में एंट्री» पढ़े गए हर url (या sitemap) एलिमेंट को गिनता है; «दिखाए गए» वह है जो डुप्लिकेट हटने और फ़िल्टर लगने के बाद बचता है।

साइटमैप इंडेक्स से चाइल्ड साइटमैप के URL मिलते हैं, जिन्हें सारांश «चाइल्ड साइटमैप» कहता है। ये आगे निकालने वाली फ़ाइलें हैं, पेज नहीं।

सबसे नया और सबसे पुराना lastmod बताते हैं कि फ़ाइल किन तारीख़ों का दावा करती है। हज़ारों URL पर सिर्फ़ एक दिन की रेंज आमतौर पर बताती है कि जनरेटर बिल्ड का समय लिखता है, असली बदलाव नहीं।

फ़ाइल में प्रोटोकॉल की गलतियों वाली चेतावनी का मतलब है कि कुछ एंट्री छूटी या गड़बड़ हो सकती हैं; दिखाए गए URL वे हैं जिन्हें पार्सर पढ़ सका।

साइटमैप URL एक्सट्रैक्टर कब इस्तेमाल करें

माइग्रेशन के रीडायरेक्ट मैप के लिए पुराने URL की सूची बनाएँ, फिर उसे सेक्शन के हिसाब से फ़िल्टर करें।
किसी एक सेक्शन के URL किसी क्रॉलर, accessibility चेकर या लोड-टेस्ट स्क्रिप्ट को दें।
साइटमैप के अनुसार हाल में क्या अपडेट हुआ, इसकी तुलना टीम के असली बदलावों से करें।
हर डायरेक्टरी को बारी-बारी फ़िल्टर करके गिनें कि साइट के हर सेक्शन में कितने पेज हैं।

समस्या निवारण

«साइटमैप में कोई एंट्री नहीं मिली» या फ़ॉर्मेट की गलती: URL ने HTML पेज, फ़ीड या खाली फ़ाइल लौटाई। इसे XML साइटमैप वैलिडेटर से जाँचें, वह बताता है कि क्या मिला।
सिर्फ़ चाइल्ड साइटमैप के URL दिखते हैं: फ़ाइल साइटमैप इंडेक्स है। हर चाइल्ड साइटमैप को बारी-बारी निकालें।
बड़ी साइट पर सूची बीच में रुक जाती है: फ़ेच किया साइटमैप 512 KiB पर कट जाता है। फ़ाइल पेस्ट करें (2 MB तक) या हर चाइल्ड साइटमैप अलग से निकालें।
फ़िल्टर कुछ नहीं लौटाता: मिलान case-sensitive है और https:// व होस्ट सहित पूरे URL से होता है।

साइटमैप URL एक्सट्रैक्टर के बारे में अक्सर पूछे जाने वाले सवाल

साइटमैप इंडेक्स के साथ यह क्या करता है?

इंडेक्स जिन चाइल्ड साइटमैप की ओर इशारा करता है उन्हें सूचीबद्ध करता है और बताता है कि ये URL पेज नहीं, साइटमैप हैं। उनके पेज URL पाने के लिए हर चाइल्ड साइटमैप पर एक्सट्रैक्टर चलाएँ; एक रन एक ही फ़ाइल पढ़ता है।

यह कितने URL निकाल सकता है?

फ़ेच किया साइटमैप 512 KiB तक पढ़ा जाता है, जो आमतौर पर 3,000 से 5,000 URL होते हैं; पेस्ट की गई फ़ाइल 2 MB तक हो सकती है। टेक्स्ट सूची और उसके डाउनलोड में हर मिला URL होता है; पेज की टेबल पहले 2,000 दिखाती है।

जिन URL में lastmod नहीं है वे कैसे सॉर्ट होते हैं?

नए या पुराने lastmod से सॉर्ट करने पर मान्य तारीख़ वाली एंट्री पहले तारीख़ के क्रम में आती हैं, और बिना तारीख़ (या गलत तारीख़) वाली उनके बाद साइटमैप के क्रम में। वर्णक्रम पूरा URL मिलाकर तय होता है।

क्या फ़िल्टर regular expression है?

नहीं — यह पूरे URL पर सीधा, case-sensitive "contains" टेस्ट है, इसलिए /blog/ https://www.example.com/blog/post को रखता है और https://www.example.com/Blog/post को हटा देता है। हर URL देखना हो तो इसे खाली छोड़ें।

क्या एक्सट्रैक्टर जाँचता है कि URL चलते हैं?

नहीं। यह सिर्फ़ साइटमैप पढ़ता है और सूची के किसी पेज को नहीं माँगता। फ़ाइल की अपनी समस्याएँ — गलत तारीख़, दूसरा होस्ट, बिना escape के अक्षर — एक warning में गिनी जाती हैं; «XML साइटमैप वैलिडेटर» हर एक को समझाता है।

तकनीकी नोट्स

फ़ाइल उसी single-pass sitemaps.org 0.9 पार्सर से पढ़ी जाती है जो XML साइटमैप वैलिडेटर इस्तेमाल करता है: हर url (या sitemap) एलिमेंट से loc, lastmod, changefreq, priority और xhtml:link विकल्प लिए जाते हैं, entity references डिकोड होते हैं, और CDATA सेक्शन माने जाते हैं।

तारीख़ से सॉर्ट lastmod की W3C Datetime वैल्यू को UTC में बदलकर होता है, इसलिए 2026-10-08T23:00:00-05:00 को 2026-10-09 से बाद का माना जाता है; जिन एंट्री में lastmod नहीं या गलत है, वे तारीख़ वाली एंट्री के बाद साइटमैप के क्रम में रहती हैं।

सीमाएँ और कार्यप्रणाली

हर रन में एक साइटमैप: इंडेक्स के चाइल्ड साइटमैप सूचीबद्ध होते हैं पर फ़ेच नहीं होते, और gzip फ़ाइलें यहाँ डीकंप्रेस नहीं हो सकतीं।

फ़ेच की गई फ़ाइलें 512 KiB तक और पेस्ट की गई 2 MB तक पढ़ी जाती हैं; 50,000 URL वाला पूरा साइटमैप दोनों से बड़ा हो सकता है।

यह वही दिखाता है जो फ़ाइल घोषित करती है और किसी URL को नहीं माँगता, इसलिए नहीं बता सकता कि वे जवाब देते हैं, रीडायरेक्ट होते हैं या इंडेक्स हैं।

सुरक्षा और गोपनीयता

फ़िल्टर, डुप्लिकेट हटाना और सॉर्ट करना आपके ब्राउज़र में होता है — पेस्ट किए साइटमैप पर या Mutqan सर्वर की आपके लिए फ़ेच की गई कॉपी पर। सर्वर सिर्फ़ आपका डाला साइटमैप URL देखता है और न URL रखता है न फ़ाइल।

सूची आपके ब्राउज़र में बनती है। उसे TXT या CSV में डाउनलोड करना साइट के डाउनलोड स्टेप से होकर जाता है (साइन-इन न किए विज़िटर के लिए मुफ़्त अकाउंट), और फ़ाइल कहीं अपलोड नहीं होती।

संदर्भ

sitemaps.org - Protocolsitemaps.orgSitemap प्रोटोकॉल 0.9: urlset और sitemapindex फ़ॉर्मेट, loc, lastmod, changefreq और priority, 50,000 URL और 50 MB की सीमाएँ, entity escaping, फ़ाइल की लोकेशन के नियम और robots.txt से cross-submission।
Build and Submit a SitemapGoogle Search CentralGoogle साइटमैप कैसे पढ़ता है: समर्थित फ़ॉर्मेट और साइज़ सीमाएँ, absolute URL, lastmod का इस्तेमाल सिर्फ़ लगातार सटीक होने पर, और changefreq व priority को अनदेखा करना।