Un script de Python que recorre su web y escribe un sitemap.xml limpio con las páginas que de verdad funcionan

Ejemplo de resultado

python merge_sales.py --month 2026-10

2026-11-02 09:14:03 INFO  Carpeta: sales/2026-10, 9 archivos encontrados
2026-11-02 09:14:03 INFO  shop-01.csv: 1.284 filas
2026-11-02 09:14:04 INFO  shop-02.xlsx: 967 filas
2026-11-02 09:14:04 WARN  shop-07.csv: 3 filas sin precio omitidas (líneas 88, 412, 913)
2026-11-02 09:14:05 INFO  Listo: 10.412 filas -> report-2026-10.xlsx (hojas “Ventas” y “Totales”)

[columns]
date = Fecha, Fecha de venta, Día
product = Producto, Artículo, Nombre
quantity = Cant., Cantidad, Uds.
price = Precio, Precio unitario

def read_shop_file(path: Path, columns: dict[str, list[str]]) -> pd.DataFrame:
    """Lee el archivo de una tienda y le da los nombres de columna del informe."""
    table = pd.read_excel(path) if path.suffix == ".xlsx" else pd.read_csv(path, encoding="utf-8-sig")
    renamed = {}
    for name, variants in columns.items():
        found = next((c for c in table.columns if c.strip() in variants), None)
        if found is None:
            raise ReportError(f"{path.name}: no hay columna para '{name}' (se buscó {', '.join(variants)})")
        renamed[found] = name
    table = table.rename(columns=renamed)[list(columns)]
    table["shop"] = path.stem
    return table

Acerca de este servicio

Un sitemap.xml indica a los buscadores qué páginas tiene su web. Muchos creadores de tiendas y plataformas web ya generan uno, así que compruebe primero el suyo; este script es para webs hechas a mano o antiguas, o para cuando su sitemap lista páginas que ya no funcionan. Empieza en su página de inicio, sigue sus propios enlaces a un ritmo prudente y se queda solo con las páginas que abren con normalidad: sin errores, sin redirecciones, sin copias con parámetros de seguimiento y, desde Estándar, sin las marcadas como noindex. Escribe un sitemap.xml según las reglas de sitemaps.org, y Premium divide una web grande en varios archivos con un índice. Usted sube el archivo a su web y lo añade en Google Search Console. Un sitemap ayuda a que se encuentren las páginas; no garantiza la indexación ni las posiciones.

Qué incluye

• Qué recibeUn archivo ZIP con el script de Python, un README con instrucciones paso a paso y, desde Estándar, un archivo de configuración con secciones y límites; el código también se muestra en la página del pedido.
• Solo páginas que funcionanSin errores, redirecciones ni direcciones duplicadas
• Según el estándarsitemap.xml tal como se describe en sitemaps.org
• Secciones excluidasBúsqueda, carrito, filtros o lo que usted indique
• Ritmo prudenteUna pausa entre páginas para no sobrecargar su web
• Código legibleCon comentarios, fácil cambiar una regla más adelante

Cómo funciona

1. 1
   TareaUsted da la dirección de la web y qué dejar fuera
2. 2
   CódigoEscribimos el script y la guía para ejecutarlo
3. 3
   PruébeloLo ejecuta, revisa la lista de páginas y sube el archivo
4. 4
   CambiosPide cambios dentro de su paquete y nos envía cualquier mensaje de error

Qué necesitamos de usted

La dirección de su web, cuántas páginas tiene aproximadamente, con qué está hecha (si lo sabe) y si ya tiene un sitemap. Secciones y tipos de direcciones que dejar fuera, como resultados de búsqueda, páginas de filtros, el carrito o direcciones con ?sort=. Si la web tiene varios idiomas o subdominios. Su sistema: Windows, macOS o Linux.

Le preguntaremos:

• ¿Cuál es la dirección de su web?
• ¿Ya tiene un sitemap?
• ¿Qué debe dejarse fuera?

Comparar paquetes

Preguntas y respuestas

¿No encontró su respuesta? Pregúntenos