¿Qué es XML?

XML significa Extensible Markup Language, lenguaje de marcado extensible. Es una recomendación del W3C cuya versión vigente, la quinta edición de XML 1.0, se publicó el 26 de noviembre de 2008. «Extensible» quiere decir que el propio lenguaje no fija qué etiquetas existen: un sitemap usa unas, un feed de noticias otras y un catálogo de productos otras distintas.

HTML y XML se parecen a primera vista, porque los dos marcan el contenido con etiquetas entre ángulos. La diferencia está en el propósito. HTML describe una página para que un navegador la muestre. XML describe datos para que otro programa los lea: una lista de URL, un producto con su precio o una noticia con su fecha.

Un documento XML tiene que estar bien formado. Hay un único elemento raíz, cada etiqueta que se abre se cierra, las mayúsculas y minúsculas cuentan y los valores de los atributos van entre comillas. Si falla una de estas reglas, el programa que lo lee no intenta adivinar: rechaza el archivo.

Un archivo XML es texto plano organizado como un árbol. El elemento raíz contiene otros elementos, y estos pueden contener texto, atributos u otros elementos. En un sitemap, por ejemplo, la etiqueta urlset envuelve una etiqueta url por cada página, y dentro de cada una la etiqueta loc lleva la dirección y lastmod, la fecha de la última modificación.

Para que dos programas se entiendan, no basta con que el archivo sea XML válido. Tienen que acordar qué etiquetas existen y qué significan, y eso lo fija cada formato. El protocolo de sitemaps, RSS o Atom para feeds y los esquemas de los catálogos de productos son acuerdos de ese tipo construidos sobre XML.

En muchas API modernas, JSON ha sustituido a XML porque es más ligero de escribir y de leer desde JavaScript. Los datos estructurados que Google recomienda, por ejemplo, se escriben en JSON-LD. Aun así, XML sigue siendo el formato de los sitemaps y de gran parte de los feeds.

Para el SEO, XML aparece sobre todo en el sitemap. Google admite sitemaps en XML, en feeds RSS o Atom y en texto plano, y fija límites claros: un sitemap no puede pasar de 50.000 URL ni de 50 MB sin comprimir, y tiene que estar codificado en UTF-8. Un archivo mal formado o con caracteres sin escapar puede hacer que el buscador no lo procese.

Google explica también qué lee de cada etiqueta. Usa la fecha lastmod solo si es coherente y comprobable, e ignora las etiquetas priority y changefreq. Por eso un sitemap con fechas reales sirve para algo, y uno que marca todas las páginas como modificadas hoy pierde ese valor.

El sitemap de zds.es, medido el 13 de octubre de 2026, es un único archivo XML de unos 190 KB con 1.370 URL, muy por debajo de los límites de Google. Cada URL lleva su fecha lastmod, y no todas llevan la del día de la medición: hay 20 fechas distintas, la más antigua de abril de 2026. Lleva también la etiqueta priority, que Google declara ignorar.

• Guardar los archivos XML en UTF-8 y declararlo en la primera línea.
• Escapar los caracteres especiales en las URL, como el ampersand, para que el archivo siga bien formado.
• Poner en lastmod la fecha real del último cambio de contenido, no la de la compilación del sitio.
• Dividir los sitemaps grandes y agruparlos en un índice de sitemaps antes de llegar al límite.
• Indicar la dirección del sitemap en el robots.txt y enviarla en Search Console.
• Validar el archivo después de cada cambio en el generador.

• Dar por hecho que priority o changefreq influyen en el rastreo de Google.
• Actualizar lastmod en todas las URL con cada publicación, aunque no hayan cambiado.
• Incluir en el sitemap URL que redirigen, devuelven error o llevan noindex.
• Usar caracteres sin escapar que dejan el archivo mal formado.
• Confundir el sitemap XML, pensado para buscadores, con una página de mapa del sitio para personas.