Extracteur d'URLs de sitemap

À quoi sert un extracteur d'URLs de sitemap ?

Les sitemaps XML listent toutes les pages importantes d'un site web. C'est ce que Google et Bing consultent pour découvrir et indexer le contenu. Cet extracteur lit ces fichiers et vous affiche toutes les URLs dans un format clair et filtrable, que vous pouvez ensuite analyser ou exporter selon vos besoins.

Faire ça manuellement prend un temps fou, surtout quand on a affaire à des index de sitemaps qui pointent vers des dizaines de fichiers contenant chacun des milliers d'URLs. L'outil automatise tout ça et vous donne le résultat en quelques secondes.

Ce que l'outil fait concrètement

Ce n'est pas qu'une simple liste d'URLs. Voici ce qu'il y a sous le capot :

• Détection des index de sitemaps : Si vous collez l'URL d'un index, l'outil le reconnaît automatiquement et vous liste tous les sitemaps référencés. Vous pouvez tout extraire d'un coup ou choisir ceux qui vous intéressent.
• Métadonnées complètes : En plus des URLs, l'outil récupère lastmod (date de dernière modification), changefreq (fréquence de changement) et priority quand ces informations sont présentes dans le sitemap.
• Recherche en temps réel : Filtrez des milliers d'URLs directement dans la page, sans rechargement. Pratique pour retrouver un répertoire ou un pattern spécifique.
• Export TXT ou CSV : Téléchargez la liste en texte brut pour l'utiliser dans des scripts, ou en CSV avec toutes les colonnes de métadonnées pour l'ouvrir dans Excel ou Google Sheets.
• Copie en un clic : Copiez toutes les URLs dans le presse-papiers d'un seul clic pour les coller ailleurs.
• Pagination : Les grandes listes d'URLs sont affichées par tranches de 100 pour éviter de ralentir le navigateur.

Quand c'est vraiment utile

Il y a plusieurs situations où extraire un sitemap est la première chose à faire :

Audit SEO

Avant de toucher quoi que ce soit sur un site, il faut savoir exactement quelles pages sont indexées. Le sitemap vous donne ça. Vous pouvez repérer les pages au contenu trop mince, les URLs en double, les lastmod trop anciens. En comparant avec un crawl réel, vous identifiez aussi les écarts entre ce qui est censé être indexé et ce qui l'est vraiment.

Migration de site

Vous changez de domaine ou restructurez vos URLs ? Commencez par extraire toutes les URLs actuelles. Le CSV que vous obtenez devient la base de votre plan de redirections : ajoutez une colonne pour les nouvelles URLs et vous avez tout ce qu'il faut pour préserver vos positionnements.

Analyse concurrentielle

Le sitemap d'un concurrent est public par définition. En l'extrayant, vous voyez exactement quels contenus ils publient, comment leur architecture est organisée et quels sujets ils couvrent. C'est une bonne façon d'identifier des angles que vous n'avez pas encore traités.

Inventaire de contenu

Les équipes éditoriales ont souvent besoin d'une liste exhaustive de tout ce qui est publié sur un site. Le sitemap est la source la plus fiable pour ça. Exportez-le et utilisez-le comme point de départ pour votre audit ou votre planning de mise à jour.

Détection des pages cassées

Une fois vos URLs extraites, vous pouvez les passer dans un outil de vérification de liens pour trouver celles qui renvoient une erreur 404. Si elles sont encore dans le sitemap, il faut corriger ça rapidement.

Comment les sitemaps sont structurés

Les sitemaps XML suivent le protocole sitemaps.org, un standard reconnu par tous les moteurs de recherche. Il y a deux types principaux :

Sitemap classique (urlset)

Contient directement les entrées d'URLs. Chaque entrée peut inclure :

• loc : L'URL de la page (obligatoire)
• lastmod : Date de dernière modification (optionnel, mais recommandé)
• changefreq : Fréquence de mise à jour de la page (optionnel)
• priority : Importance relative de 0.0 à 1.0 (optionnel)

Index de sitemap (sitemapindex)

Les gros sites répartissent leurs URLs sur plusieurs fichiers de sitemap regroupés dans un index. L'outil détecte automatiquement ce format et vous propose tous les sitemaps référencés pour que vous puissiez choisir lesquels traiter.

Quelques conseils pour aller plus loin

Une fois les URLs récupérées, voilà ce que vous pouvez faire :

• Regardez les dates lastmod : Des dates très anciennes peuvent signaler des pages qui mériteraient une mise à jour pour rester compétitives.
• Analysez les patterns d'URLs : Une structure d'URLs incohérente révèle souvent des problèmes d'organisation à corriger.
• Regroupez par répertoire : Voir comment les URLs se répartissent entre les sections du site vous donne une vision rapide de la concentration du contenu.
• Comparez avec le crawl : Les URLs du sitemap et celles trouvées lors d'un crawl devraient coïncider. Les écarts méritent investigation.
• Suivez l'évolution dans le temps : Extraire le sitemap régulièrement et comparer les versions vous permet de détecter les ajouts et suppressions de pages.

Vos données restent privées

L'outil essaie d'abord de récupérer le sitemap directement depuis votre navigateur. Si des restrictions cross-origin s'y opposent, on passe par un proxy sécurisé. Dans les deux cas, ni le sitemap analysé ni les URLs extraites ne sont stockés. Tout se passe en temps réel dans votre session, et quand vous fermez l'onglet, il ne reste rien.