Blog · 2026-08-30
sitemap 的 lastmod 天天說謊，Google 就不聽你的——內容雜湊狀態機做法
靜態站每次重建就把 lastmod 蓋成建置時間，等於天天對 Google 說謊；正解是剝除雜訊後對內容做雜湊、配一個狀態機，讓日期只在內容真的變了才動。
打開自家 sitemap.xml，幾百個 URL 的 lastmod 全是今天凌晨同一分鐘——因為部署排程剛跑完。內容一個字都沒改，變的只有建置時間。這種 sitemap 每天都在對 Google 喊「全站都更新了」，喊久了，連你真的更新的那一頁，它也懶得來看了。這不是冷門災情，是多數靜態站產生器的預設行為。
病徵：全站 lastmod 同一個時間戳
診斷只要一眼：打開 sitemap，如果每個 <lastmod> 都是同一個時間，而且剛好等於上次部署的時間，你的產生器八成是拿「現在時間」當修改時間在用——date.today() 塞進 dateModified，或建置腳本直接把 lastmod 蓋成 build 當下。另一個旁證在 Search Console：sitemap 明明顯示已讀取，真正改過的頁面卻遲遲等不到重爬。
這在「排程自動重建」的站上最嚴重。我們自己維護一個 402 頁、一天自動重建 4 次的賽事內容站（積分、賽程天天在變，重建是必要的），如果拿建置時間當 lastmod，等於每天對每一頁宣稱「它更新了 4 次」——但多數頁面的正文其實一個位元組都沒動。更糟的是同一個謊通常會說兩次：sitemap 說一次，頁面裡結構化資料的 dateModified 再說一次。
Google 的立場：不準的 lastmod，直接當不存在
Google 官方 sitemap 文件寫得很直白：lastmod 要「持續且可被驗證為準確」（consistently and verifiably accurate）才會被採用，驗證方式例如拿它去比對頁面實際的修改。同一份文件也定義了什麼叫值得標記的更新：主要內容、結構化資料、頁面連結變了才算；換個著作權年份，不算。
lastmod 的用途是幫爬蟲排優先序——告訴它「先來爬這幾頁，其他不用」。全站天天喊更新，這個訊號就歸零：Google 無從分辨哪一頁真的變了，你等於親手把最值錢的爬取提示丟掉。對一天重建多次、又希望更新盡快被收錄的站，這是拿石頭砸自己的腳。
正解：內容雜湊狀態機，日期跟著內容走
原則一句話：lastmod 不該來自「什麼時候建置」，該來自「內容什麼時候變」。做法是替每一頁維護一個跨建置存活的狀態檔：
{ "/match/group-a/": {
"hash": "3f2a…",
"publishedAt": "2026-06-10",
"updatedAt": "2026-08-12" } }
每次建置對每一頁跑同一套流程：
- 產出 HTML 後，抽出正文、正規化、算 SHA256。
- 狀態檔裡沒有這頁 → 新頁，publishedAt 與 updatedAt 都寫今天。
- 雜湊跟上次相同 → 什麼都不動，沿用舊日期。
- 雜湊不同 → updatedAt 改成今天，寫回狀態檔。
sitemap 的 lastmod、結構化資料的 dateModified、頁面上顯示的「最後更新」，全部從狀態檔讀——三個地方共用同一個真相來源。狀態檔跟著版本庫或部署工件走，重建幾次都不會失憶。寫回的時機也要想清楚：等部署確定成功才落盤，失敗的建置不准汙染狀態，不然一次炸掉的 build 會把全站日期一起拖下水。
雜湊前先剝乾淨：script 和追蹤碼不算內容
這套機制最常死在雜湊算得太粗。直接對整份 HTML 做雜湊，你會發現每次建置全站都「變了」：追蹤碼片段換版、資產檔名帶的快取指紋（app.a1b2c3.js）、隨機 nonce、頁尾自動帶的年份——任何一項動了，全站雜湊翻新，狀態機形同虛設。同理，「相關文章」這種每次建置隨機抽選的區塊，也要劃在雜湊範圍之外。
所以雜湊之前要先剝。用真的 HTML parser（不是正規表達式）把 <script>、<style>、註解整段拆掉，清掉追蹤參數與版本指紋，只留主內容區的文字與結構，正規化空白之後再算。你剝掉的這些東西，恰好就是 Google 定義裡「不算重大更新」的東西——雜湊的邊界，就照官方對 significant 的邊界來切。
發布日與更新日是兩個欄位，別混用
另一個常見錯誤是整站只有一個日期欄位。發布日（publishedAt）寫下去就不該再動；更新日（updatedAt）只在雜湊變了才動。輸出規則一行講完：
lastmod = updatedAt ?? publishedAt
沒改過的頁面，lastmod 誠實停在發布日，這不丟臉；真的改過的頁面，lastmod 精準指到那一天，這才有價值。
驗收要做負面測試，兩條都得過：連續跑兩次建置，第二次必須是零頁變動；接著改某一頁的一個段落，只允許那一頁的 lastmod 動。任何一條不過，代表雜訊還沒剝乾淨，你的 sitemap 還在說謊。
結語
lastmod 是你跟爬蟲之間的信用額度，而信用靠「不亂動」累積。把日期綁到內容雜湊上，說謊這件事就從流程裡被拿掉了——不靠自律，靠機制。如果你的站也是幾百頁、排程天天重建，sitemap 卻從來沒讓 Google 認真看過一眼，這套狀態機我們自己營運的內容站就在跑，歡迎找我們聊聊。