应为开始标记，在 sitemap.xml 中未找到“<”- 不知道出了什么问题

Question

这是我网站的 sitemap.xml 的样子：

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">

  <url>
    <loc>http://example.com/</loc>
    <lastmod>2013-04-02T12:45:31+00:00</lastmod>
    <changefreq>daily</changefreq>
    <priority>1</priority>
  </url>

  <url>
    <loc>http://example.com/2013/wordpress-customize-login-page/</loc>
    <lastmod>2013-03-01T12:06:00+00:00</lastmod>
    <changefreq>weekly</changefreq>
    <priority>0.8</priority>
  </url>

</urlset>

这里是the original sitemap。首先，我确定了valid XML markup，然后在xmlcheck 和sitemapxml 上查看了我的站点地图。

两个站点地图验证器给出了这个错误：

Fatal Error 4: Start tag expected, '<' not found in http://example.com/sitemap.xml on line 1 column 1

在我看来，什么都没有。不知道我做错了什么。 （谷歌搜索也没有帮助。）

Answer 1

问题一定出在服务器的某些设置 - 端口阻止/代理设置/安全设置。我将您未更改的站点地图文件复制到了我的server，两个验证器都读取并验证了它。这就是我能告诉你的全部。但您可以确定，问题不在于您的 XML 代码。

Answer 2

更新：如 cmets 所述，有问题的站点地图验证器在解析 gzip 站点地图时遇到问题（在 OP 的情况下，Amazon S3 仅提供 gzip 文本响应）。

---

我现在认为这是服务器问题，但我有一些数据可以支持（所以我没有编辑其他答案）。这是我所做的（我关于“更有效”的原始观点仍在下方）：我复制了您的文件（在浏览器中查看源代码）并创建了一个 sitemap.xml 并将其上传到我的 S3 存储桶（并确认所有这个问题中提到的验证器认为它是有效的）。然后我使用WGET 来获取您的站点地图和我复制的站点地图，这就是我发现的（用[myexamples3bucket.example] 隐藏我的存储桶名称，但您可以看到它是一个AWS IP 地址）：

:~# wget http://[myexamples3bucket.example]/original.xml
--2013-04-02 13:26:42--  http://static.gnld.com/original.xml
Resolving [myexamples3bucket.example]... 207.171.189.80
Connecting to [myexamples3bucket.example]|207.171.189.80|:80... connected.
HTTP request sent, awaiting response... 200 OK
Length: 4578 (4.5K) [text/xml]
Saving to: `original.xml'

100%[======================================>] 4,578       --.-K/s   in 0.002s

2013-04-02 13:26:42 (1.97 MB/s) - `original.xml' saved [4578/4578]

然后我尝试获取您的站点地图：

:~# wget http://aahank.com/sitemap.xml
--2013-04-02 13:26:55--  http://aahank.com/sitemap.xml
Resolving aahank.com... 178.236.4.60
Connecting to aahank.com|178.236.4.60|:80... connected.
HTTP request sent, awaiting response... 200 OK
Length: 766 [application/xml]
Saving to: `sitemap.xml'

100%[======================================>] 766         --.-K/s   in 0s

2013-04-02 13:26:55 (144 MB/s) - `sitemap.xml' saved [766/766]

这两个文件的内容非常不同。虽然“复制”的站点地图看起来完全符合您的预期，但您的原始站点地图看起来像这样：

^_�^H^@^@^@^@^@^@^CÍM�Ú0^P����^_^P×j��^O>,����=�J�ï¿ï¿½^Rq��1�^XY�Lnw���^R�^V�l
                           �jO$+U���:z�s�i�2V�Ë���u�]��Þ8_;����EcÑ9È[�M����^BwJjhw��-�4^Z^\ZJ��0I^O�0^Q�!���9��^^^]�1;^N�^]����Ǫ^Z̪^_��˪ڪB$Aɪ^M�^DmHcT-
�Ns,ªAÚª^Z�a�T�XÄV5��^[^^����A�F9^KTpÆÖe�AÔ���2È^_�$

这表明 AmazonS3 是罪魁祸首。我提供这个，以防其他人知道如何解决这个问题。祝你好运！

---

至于更有效，使用有效站点地图的the official definition，我对您的站点地图进行了以下（小）更改，将其上传到我的 S3 存储桶并针对您链接的两个站点进行了测试到，现在它通过了：

<?xml version='1.0' encoding='UTF-8'?>
<urlset xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
        xsi:schemaLocation="http://www.sitemaps.org/schemas/sitemap/0.9 http://www.sitemaps.org/schemas/sitemap/0.9/sitemap.xsd"
        xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">

其他一切都没有改变。这两个站点上的错误消息非常无用，但我添加的重要内容是xmlns:xsi 和xsi:schemaLocation，它们应该通知验证器预期的格式。我认为这些是由爬虫假定的，但在两个链接服务的情况下，从技术上讲，缺少这些属性会使文档无效。

Answer 3

对我来说，问题是 UTF-16，切换到 UTF-8 并且有效。