XMLサイトマップファイルからスキーマを推論する

XMLサイトマップからJSON Schemaへ

XMLサイトマップは検索エンジンがWebサイトのページを発見しインデックスするために使用されます。明確に定義された構造に従いますが、オプションフィールドにはいくつかのバリエーションがあります。

サイトマップの例

<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://example.com/</loc>
    <lastmod>2024-01-15</lastmod>
    <changefreq>daily</changefreq>
    <priority>1.0</priority>
  </url>
  <url>
    <loc>https://example.com/about</loc>
    <lastmod>2024-01-10</lastmod>
    <changefreq>monthly</changefreq>
    <priority>0.8</priority>
  </url>
  <url>
    <loc>https://example.com/blog</loc>
    <changefreq>weekly</changefreq>
    <priority>0.9</priority>
  </url>
</urlset>

生成されるスキーマ

{
  "type": "object",
  "properties": {
    "urlset": {
      "type": "object",
      "properties": {
        "url": {
          "type": "array",
          "items": {
            "type": "object",
            "properties": {
              "loc": { "type": "string" },
              "lastmod": { "type": "string" },
              "changefreq": { "type": "string" },
              "priority": { "type": "number" }
            }
          }
        }
      }
    }
  }
}

スキーマの洞察

• URL配列: 複数の<url>要素が正しく配列になる
• 数値としての優先度: 1.0、0.8、0.9のような値がnumberとして検出される
• オプションフィールド: 一部のエントリにlastmodがない場合（上記の3番目のURL）、required検出はそれを含めない
• 文字列としての日付: lastmod値はJSON Schemaにネイティブの日付型がないためstringのまま

サイトマップインデックス

同じアプローチはサイトマップインデックスファイルにも機能します：

<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>https://example.com/sitemap-posts.xml</loc>
    <lastmod>2024-01-15</lastmod>
  </sitemap>
</sitemapindex>

スキーマの拡張

本番使用では以下を追加します：

• locにformat: "uri"
• changefreqにenum: ["always", "hourly", "daily", "weekly", "monthly", "yearly", "never"]
• priorityにminimum: 0.0, maximum: 1.0
• lastmodにformat: "date"