记录一下那天晚上的排查过程。sitemap.xml 在浏览器里能正常打开，抓取工具却提示内容不是 XML，用 curl 看响应头发现 Content-Type 是 text/html，站点上还套了一层页面模板。
刚开始盯着「文件被重命名成 .xml.html，服务器按后缀判断类型」，折腾了半个多小时，排掉了。
这类报错背后常见的原因有几处，逐个排除就行。伪静态把 .xml 也交给了 PHP 处理，框架默认输出 HTML 头。少数情况下是CDN 对未知扩展名回落到默认类型，覆盖了源站的设置。
少数情况下是对象存储上传时没指定 Content-Type，默认给了二进制流。
动手时先确认响应头
curl -sI https://www.example.com/sitemap.xml | grep -i content-type再往下看返回体开头是不是 HTML
curl -s https://www.example.com/sitemap.xml | head -c 200接着在 Nginx 里固定 XML 的类型
location = /sitemap.xml { default_type application/xml; }给 CDN 和对象存储补上元数据
aws s3 cp sitemap.xml s3://bucket/ --content-type application/xml别只看报错消失，验证要多做一步。响应头变成 application/xml，正文首行是 XML 声明，GSC 与百度站长平台都能正常读取。
MIME 类型错了比内容错了更难发现，抓取工具只报一句格式不符，排查时先看头再看体。拖得越久，排查成本越高，因为现场状态会被后续操作覆盖。