sitemap 里混进 noindex 页面，提交前怎么筛掉

下面按现场排查习惯来写，能直接复制的命令放在代码块里，顺序照做即可。 sitemap 里有三百多个页面源码带着 noindex，提交后 GSC 一直报已提交但被 noindex 排除，有效页面比例被拉低。

拖得越久，排查成本越高，因为现场状态会被后续操作覆盖。

先分清是哪一类原因

1. 插件按文章类型全量输出，没有判断页面的索引状态
2. 部分页面在模板里单独加了 noindex，sitemap 层完全不知道
3. noindex 和 sitemap 同时存在，等于给蜘蛛互相矛盾的指令

按顺序处理

1. 导出 sitemap 里的 URL 清单

curl -s https://www.example.com/sitemap.xml | grep -o '<loc>[^<]*' | cut -c6-

2. 批量检查这些页面的 robots 标签

curl -s https://www.example.com/a/ | grep -i 'name="robots"'

3. 在生成逻辑里过滤掉标记 noindex 的文章 ID

SELECT ID FROM wp_posts WHERE post_status='publish';

怎么确认已经恢复

重新生成后 sitemap 条数减少三百多，GSC 的已提交数与有效页面数基本对齐，排除类提示消失。

容易忽略的地方

反过来也要查：页面想收录却漏出了 sitemap，常见于自定义文章类型只注册了公开属性却没加查询支持。 命令执行完不要只看有没有报错，还要看输出里的计数和状态码是否符合预期。