Auditoría del presupuesto de rastreo: verificador del tamaño del HTML
Comprueba cada página de tu sitemap frente al límite de 2 MB de HTML que Google rastrea. Encuentra páginas demasiado grandes, bloqueadas, redirigidas o rotas, y exporta un CSV.
Páginas por revisar
Resultados
Por qué importa el tamaño del HTML para el rastreo
Google documenta un límite de obtención para Googlebot cuando rastrea para la Búsqueda: procesa los primeros 2 MB de un archivo HTML e ignora el resto. El límite se aplica al HTML sin comprimir, así que la compresión gzip o Brotli en tu servidor no ayuda. Si una página lo supera, todo lo que quede después del corte, como contenido, enlaces internos o datos estructurados cerca del final de la página, podría no indexarse nunca.
La mayoría de las páginas están muy por debajo de 2 MB. Las que se acercan suelen tener scripts o estilos en línea grandes, imágenes SVG o base64 incrustadas, enormes bloques de JSON de un framework de JavaScript, o páginas de productos y categorías que muestran cientos de artículos a la vez.
Qué revisa esta auditoría
- El tamaño del HTML de cada URL de tu sitemap, señalado cuando supera 2 MB o 1.5 MB. Tomamos el límite como 2,000,000 bytes para ir a lo seguro.
- Los códigos de estado, para que destaquen las páginas rotas y las que bloquean bots (401, 403, 429). Un sitemap solo debe incluir páginas que devuelvan 200.
- Las redirecciones, porque un sitemap debe incluir las URL finales, no direcciones que rebotan a otro lugar.
- Las páginas muy pequeñas, de menos de 5 KB. Suelen ser páginas de error, plantillas vacías o pantallas de verificación de bots servidas con un estado 200.
Ingresa la URL de un sitemap o solo tu dominio, y la herramienta buscará sitemap.xml, sitemap_index.xml y wp-sitemap.xml. Se siguen los archivos de índice de sitemaps. Si tu sitemap no es público, sube el archivo .xml o pega una lista de URL. Se revisan hasta 50 páginas por ejecución, de tres en tres, con una breve pausa entre solicitudes para no saturar tu servidor.
Preguntas frecuentes
¿El límite de 2 MB incluye imágenes, archivos CSS y JavaScript?
No. Cada archivo que obtiene Googlebot tiene su propio límite. Aquí solo cuenta lo que está dentro del documento HTML, lo que incluye scripts en línea, estilos en línea e imágenes incrustadas.
Una página aparece como bloqueada o con error. ¿Google también está bloqueado?
No necesariamente. Algunos firewalls bloquean las herramientas automatizadas pero permiten el Googlebot verificado. Revisa los informes de Indexación de páginas y Estadísticas de rastreo en Google Search Console para ver lo que Google recibe realmente.
¿Cómo hago más ligera una página pesada?
Mueve los scripts y estilos en línea a archivos externos, deja de incrustar imágenes en base64, reduce los datos que tu framework imprime en la página y pagina las listas muy largas. Luego vuelve a ejecutar la auditoría para confirmar el nuevo tamaño.