CodeIgniter 中 Sitemap 需手动实现：正确设置 XML 头、分片生成（≤50,000 条/文件）、用 site_url() 动态生成合法 URL、异步 ping 搜索引擎、通过 CLI+Cron 定期生成静态文件。
Sitemap在 CodeIgniter 中不是开箱即用的功能，必须手动构造 XML 响应、控制输出格式、处理 URL 生成逻辑，并解决搜索引擎抓取和更新通知的实际问题。核心难点不在“生成”，而在“正确生成 + 可靠交付 + 持续同步”。
必须显式设置 header 和编码，否则 XML 解析失败
浏览器或爬虫收到非 text/xml 类型响应时，会当作 HTML 或纯文本解析，导致 “StartTag: invalid element name” 这类错误（常见于第一行出现 却被当成 HTML 标签）。
-
header('Content-Type: text/xml; charset=UTF-8')必须在任何输出前调用，不能依赖视图里 echo - 不要用
charset=iso-8859-1—— 中文站点或含 Unicode 字符的 URL 会乱码甚至中断 XML - 避免在控制器中提前
echo、var_dump或开启调试输出（如$this->output->enable_profiler(TRUE)） - 如果用了
base_url()拼接 URL，确保配置中$config['base_url']以http://或https://开头，否则 loc 标签内容非法
单文件超限（>50,000 URL 或 >50MB）时必须拆分并生成 sitemapindex
CodeIgniter 默认不处理分片逻辑，但搜索引擎强制要求：单个 sitemap.xml 最多 50,000 条
- 用
$this->db->limit(50000, $offset)分页查数据，每批生成一个子文件（如sitemap-1.xml、sitemap-2.xml） - 主控制器不直接输出全部 URL，而是先写入
WRITEPATH . 'cache/sitemaps/'下的物理文件（注意目录可写权限） - 另建一个
sitemapindex方法，读取所有已生成的子文件名，输出符合sitemapindex规范的 XML - 子文件 URL 必须是完整可访问路径，例如
https://example.com/sitemap-1.xml，不能是相对路径或未路由的本地路径
自动通知搜索引擎需要手动 ping，没有内置钩子
生成新 sitemap.xml 后，Google/Bing 不会自动发现更新。必须主动向其 ping 接口发送 HTTP GET 请求，且每次只能提交一个 URL。
- 推荐用
file_get_contents()或cURL调用：https://www.google.com/ping?sitemap=https%3A%2F%2Fexample.com%2Fsitemap.xml - 不要在用户请求时实时 ping —— 网络延迟或超时会导致页面卡死；应放在 CLI 命令或 Cron 中异步执行
- 多个搜索引擎要逐个 ping，例如 Bing 的地址是
https://www.bing.com/webmaster/ping.aspx?siteMap=... - 第三方服务如
www.sitemapwriter.com可一次通知多家，但需确认其当前可用性（部分已停更）
URL 动态生成必须匹配实际路由，否则爬虫 404
很多项目直接拼 base_url() . '/article/' . $row['slug']，但若你启用了伪静态路由（如 $route['article/(:any)'] = 'content/view/$1'），而数据库里存的是旧 ID 或未规范化的别名，就会生成无效链接。
- 优先使用
site_url('content/view/' . $row['slug'])，它走 CodeIgniter 路由系统，结果与用户访问一致 - 对含中文、空格、特殊符号的 slug，必须用
url_title($row['title'], 'dash', TRUE)生成并存储，不能直接从原始标题截取 - 排除测试环境、后台路径、登录后才可见的内容（如会员中心），这些 URL 不该出现在
sitemap中 - 动态参数 URL（如
/search?q=xxx）禁止加入，搜索引擎明确不索引带问号的地址
实际部署时最容易被忽略的是缓存策略和更新时机：XML 文件本身可以静态化（比如每次生成后写入磁盘），但如果你在控制器里每次都查库+拼 XML，高并发下 DB 压力大且响应慢。真正稳定的方案是——把生成动作抽成 php index.php tools generate_sitemap 命令，再用 Cron 每日凌晨跑一次，既可控，又避开了请求生命周期里的各种干扰。
