Generando un sitemap (xml) en un sitio con subdominios

Esta nota seguramente peque de básica para algunos que usan SiteMaps pero es posible que más de uno la encuentre provechosa. Incluso se me ocurrió escribirla debido a que un cliente tuvo problemas con este tema.

Para generar un Sitemap (para luego enviarlo a Google Sitemaps por ejemplo) existen varias alternativas:

• Software de PC que escanee el sitio web y genere un listado de páginas para armar el SiteMap, como el Vigos Sitemap o el GSiteCrawle, ambos gratuitos.
• Páginas en las que uno ingresa la URL y escanean el sitio web y devuelven un sitemap, como XML-Sitemaps
• Scripts que se ejecutan desde el propio servidor e interactúan con la base de datos o archivos para armar el sitemap

¿Cuál usar? Todo depende. Si el sitio posee pocas páginas y es actualizado muy de vez en cuando, las primeras dos opciones son las más fáciles de implementar. Sólo habrá que regenerar el sitemap (en forma manual, claro está) cada vez que se agregue o elimine una página del sitio.
Si el sitio es dinámico y su información es guardada en una base de datos, lo recomendable es la tercera opción. Obviamente hay que poseer algunos conocimientos más avanzados para desarrollar el script o adaptar alguno que ya exista. El script debería consultar a la base de datos cuales son todas las posibles páginas disponibles (de acceso público) para luego escribir en un archivo XML, de manera formateada según los estándares de Sitemaps.org, todas las URLs posibles.
Siempre hay que tener en cuenta que si se usan subdominios (y finalmente toco el tema), hay que armar un sitemap por cada subdminio y cada sitemap deberá tener únicamente las URL’s de dicho subdominio. Esto es:ubdominio http://english.inzearch.com, el sitio en portugués en http://portugues.inzearch.com y el sitio en español en http://www.inzearch.com

Ahora, cuando armamos el sitemap en XML para www.inzearch.com, tuvimos que descartar las URLs del sitio en inglés y portugués ya que de lo contrario, cuando lo subíamos, Google nos indicaba que existían en el sitemap URLs que no eran de ese dominio. Al parecer Google interpreta que cada subdominio no pertenece al dominio, por lo que debíamos armar un sitemap por cada subdominio e incluir las URLs de ese subdominio únicamente (uff)