Um alle URLs aus einer Sitemap zu holen, öffnen Sie den Quelltext der Sitemap, kopieren alles und ziehen die Adresse aus jedem <loc>-Tag. Unser kostenloser URL-Extraktor übernimmt das: XML einfügen, auf Senden klicken, und Sie bekommen eine URL pro Zeile plus Anzahl. Er liest & als & und überspringt mailto:-, tel:- und ähnliche Links, aber bevor Sie der Liste trauen, müssen Sie noch zwei Dinge bereinigen: Namespace-Zeilen und Duplikate.
Der URL-Extraktor ist kostenlos, braucht kein Konto und funktioniert in jedem Browser, ohne Installation. Der Text wird auf unserem Server nach Links durchsucht. Besucher haben 5 Tool-Nutzungen pro Tag, ein kostenloses My-Botsy-Konto (100 % kostenlos, kein Spam) hebt diese Grenze auf. Alle Zahlen in diesem Artikel stammen aus Tests mit dem Live-Tool am 1. November 2026, mit unserer eigenen Sitemap und einer Test-Sitemap, die wir gebaut haben, um das Tool aus dem Tritt zu bringen.
URLs aus einer Sitemap extrahieren: Schritt für Schritt
- Die echte Sitemap-Adresse finden. Öffnen Sie
https://die-website.de/robots.txtund suchen Sie die Zeile, die mitSitemap:beginnt. Verlassen Sie sich nicht auf/sitemap.xml: Auf mybotsy.com liefert diese Adresse einen 404, und die robots.txt verweist aufhttps://mybotsy.com/sitemap. Übliche Standardpfade sind/wp-sitemap.xml(WordPress ohne Plugin),/sitemap_index.xml(Yoast SEO) und/sitemap.xml(Shopify und viele andere). - Den Quelltext öffnen, nicht die hübsche Ansicht. Manche Sitemaps erscheinen im Browser als formatierte Tabelle. Setzen Sie
view-source:vor die Adresse (Chrome, Edge, Firefox) oder drücken Sie Strg+U, danach Strg+A und Strg+C. Der Quelltext ist das, was der Crawler liest. - Fügen Sie den Quelltext unverändert ein. Im XML wird jedes
&in einem Query-String als&gespeichert. Das müssen Sie nicht korrigieren: Seit dem 1. November 2026 wandelt der Extraktor es zurück in&, aus?color=red&size=42wird also?color=red&size=42. - In den URL-Extraktor einfügen und auf Absenden klicken. Sie sehen eine Anzahl und ein Ergebnisfeld mit einer URL pro Zeile. Über das Kopier-Symbol übernehmen Sie die ganze Liste.
- Namespace-Zeilen löschen. Die erste Zeile ist fast immer
http://www.sitemaps.org/schemas/sitemap/0.9. Das ist keine Seite, sondern die Namespace-Deklaration der Sitemap. Bild- und hreflang-Sitemaps bringen weitere mit, etwahttp://www.w3.org/1999/xhtml. - Duplikate entfernen und sortieren. Fügen Sie die Liste in den Duplikat-Zeilen-Entferner ein und danach in den Listen-Sortierer. Durch das Sortieren landen die Namespace-Zeilen und fremde Domains (etwa ein Bilder-CDN) beieinander und fallen sofort auf. Unser Ratgeber zum Entfernen doppelter Zeilen und Sortieren von Listen erklärt die Feinheiten, etwa Leerzeichen am Zeilenende.
- Sitemaps statt Seiten? Dann wiederholen. Ein Sitemap-Index listet andere Sitemaps, keine Seiten. Öffnen Sie jede Unter-Sitemap und wiederholen Sie die Schritte 2 bis 6.
Praxisbeispiel 1: unser eigener Sitemap-Index
Wir haben den Quelltext von https://mybotsy.com/sitemap (3.813 Bytes) in den URL-Extraktor eingefügt. Ergebnis: Anzahl 27. Die erste Zeile war der Namespace, die übrigen 26 waren Unter-Sitemaps: https://mybotsy.com/sitemap/main plus eine Tool-Sitemap pro Sprache, von /sitemap/tools/ar bis /sitemap/tools/vi. Keine einzige Seite. So sieht ein Index aus, und das ist der häufigste Grund, warum man glaubt, die Extraktion habe „nicht funktioniert“.
Danach haben wir https://mybotsy.com/sitemap/main geöffnet, eine Datei mit 65.107 Bytes, und den Quelltext eingefügt. Ergebnis: Anzahl 450, also 449 Seiten-URLs plus die Namespace-Zeile. Zur Kontrolle haben wir die <loc>-Tags mit einem Terminal-Befehl gezählt: dieselben 449, und der Duplikat-Entferner fand nichts. Der englische Teil umfasste 40 URLs: Startseite, Kontakt, Blog, sechs Tool-Bereiche, vier /page/-URLs, fünf Blog-Kategorien und 22 Artikel (vor der Veröffentlichung dieses Beitrags, inzwischen sind es also mehr).
Genau diese Aufschlüsselung bringt den Nutzen. Mit der Liste in der Hand vergleichen Sie, was Sie erwartet haben, oder was Google in der Search Console als indexiert meldet, und sehen, was fehlt oder dort nichts zu suchen hat.
Praxisbeispiel 2: eine Sitemap, die Extraktoren aus dem Tritt bringt
Echte Sitemaps enthalten mehr als schlichte <loc>-URLs. Wir haben eine Test-Sitemap mit sieben <loc> für einen erfundenen Shop, shop.example.com, geschrieben, mit einer hreflang-Alternative, einem Bild-Tag, einem Query-String, einem CDATA-Block, Klammern, einem Buchstaben mit Akzent und zwei doppelten Seiten. Unverändert eingefügt lieferte der Extraktor am 1. November 2026 Anzahl 12:
| In der Sitemap | Was herauskam | Lösung |
|---|---|---|
| Namespace-Deklarationen (3) | 3 zusätzliche Zeilen wie http://www.sitemaps.org/schemas/sitemap/0.9 | Löschen |
<xhtml:link hreflang="es" href=".../es/"> | https://shop.example.com/es/ | Normal: Alternativen sind auch URLs |
<image:loc> auf einem CDN | https://cdn.example.com/img/red-shoe.jpg | Löschen, wenn Sie nur Seiten wollen |
/shoes?color=red&size=42 | /shoes?color=red&size=42 | Keiner |
<![CDATA[/sale?utm_source=mail&utm_medium=email]]> | Vollständige, korrekte URL | Keine |
/guide/sizing-(eu-vs-us) | /guide/sizing-(eu-vs-us) | Keiner |
/café-menu | /café-menu | Keiner (Browser senden sie als caf%C3%A9-menu) |
Der Duplikat-Zeilen-Entferner machte aus 12 Zeilen 10 (die Startseite stand zweimal als <loc> drin, /es/ einmal als hreflang-Alternative und einmal als eigenes <loc>). Nach dem Sortieren standen die drei Namespace-Zeilen ganz oben und das CDN-Bild direkt dahinter, die Bereinigung dauerte Sekunden.
Die Lehre: Die angezeigte Anzahl ist erst dann Ihre Seitenzahl, wenn Namespaces, unerwünschte Alternativen, Bilder und Duplikate raus sind.
Fehlerquellen, die Ihre URL-Liste verfälschen
Die &-Falle (seit dem 1. November 2026 gelöst)
Das Sitemap-Protokoll von sitemaps.org verlangt, dass jeder Wert mit Entitäten maskiert wird, eine URL mit & muss also als & geschrieben werden. Tools, die den Rohtext lesen, statt das XML zu parsen, sehen das Semikolon. Bis zum 1. November 2026 hörte unser Extraktor dort auf und behielt nur ?color=red&. Jetzt dekodiert er zuerst die Entitäten und liefert ?color=red&size=42. Der klassische Einzeiler grep -o '<loc>[^<]*' lässt weiterhin & in der URL stehen, was falsch ist, wenn Sie sie danach abrufen.
Wo eine URL endet
Wir haben weitere Fälle durch den Extraktor geschickt. Prozent-kodierte URLs, Ports (:8443), Punycode-Domains (xn--mnchen-3ya.de), internationale Domains und Pfade (münchen.de, пример.рф/путь) und Zeichen wie ; ! ' * $ ( ) [ ] bleiben vollständig erhalten. Eine URL endet an einem Leerzeichen, einem Anführungszeichen oder <, und Satzzeichen direkt danach, etwa ein Schlusspunkt, ein Komma oder eine schließende Klammer ohne Gegenstück, fallen weg: see https://a.com/end. ergibt https://a.com/end. Links, die keine Webadressen sind, wie mailto:, tel:, javascript:, data: und Anker, die nur aus # bestehen, bleiben außen vor.
Index und Sitemap verwechseln
Lautet das Wurzel-Tag <sitemapindex>, ist jedes <loc> eine weitere Sitemap. Große Websites teilen ihre URLs auf, weil eine Sitemap höchstens 50.000 URLs enthalten und unkomprimiert höchstens 50 MB (52.428.800 Bytes) groß sein darf. Dateien mit .xml.gz sind gzip-komprimiert: Der Browser lädt sie herunter, statt sie anzuzeigen. Entpacken Sie sie also zuerst (7-Zip unter Windows, Doppelklick auf dem Mac).
Die Sitemap für die Liste aller Live-Seiten halten
Eine Sitemap ist eine Behauptung der Website, kein Beweis. Wird sie nicht automatisch neu erzeugt, listet sie unter Umständen noch lange gelöschte Seiten, weitergeleitete URLs und alte http://-Adressen. Prüfen Sie verdächtige URLs mit dem Weiterleitungs-Checker (unser Ratgeber, wie man prüft, ob eine Weiterleitung 301 oder 302 ist, erklärt die Ergebnisse) und die Tags jeder Seite mit dem Meta-Tags-Checker.
Was Sie mit der Liste anfangen
- Abgleich mit der Search Console. Vergleichen Sie Ihre Liste mit den indexierten Seiten, die Google anzeigt, und suchen Sie nach Fehlendem oder versehentlich Gelistetem.
- Einen Umzug planen. Die sortierte Liste der alten URLs ist die linke Spalte Ihrer Weiterleitungstabelle.
- URL-Struktur aufräumen. Lange, chaotische Pfade fallen in einer sortierten Liste sofort auf. Unser Ratgeber zu SEO-freundlichen URLs und der Slug-Generator helfen beim Korrigieren.
- Eine URL zerlegen. Der URL-Parser teilt jede Adresse in Host, Pfad und Parameter auf, praktisch, um Tracking-Parameter zu finden, die nicht in eine Sitemap gehören. Unser Ratgeber zu UTM-Parametern erklärt, warum
utm_-Links in Kampagnen gehören und nicht in die Sitemap.
Häufig gestellte Fragen
Wie bekomme ich alle URLs einer Website aus ihrer Sitemap?
Suchen Sie die Sitemap in der robots.txt, öffnen Sie den Quelltext, ersetzen Sie & durch & und fügen Sie alles in den URL-Extraktor ein. Löschen Sie die Namespace-Zeilen, entfernen Sie Duplikate und wiederholen Sie das bei einem Index für jede Unter-Sitemap.
Warum bekomme ich Sitemap-Links statt Seiten-URLs?
Sie haben einen Sitemap-Index geöffnet. Seine <loc>-Tags zeigen auf andere Sitemaps; unserer lieferte 26 Unter-Sitemaps und keine einzige Seite. Öffnen Sie jede davon und extrahieren Sie erneut.
Warum ist die erste URL http://www.sitemaps.org/schemas/sitemap/0.9?
Das ist der XML-Namespace, den jede gültige Sitemap im Wurzel-Tag angibt. Er sieht aus wie eine URL, also listen Extraktoren ihn mit. Löschen Sie ihn, er ist keine Seite der Website.
Kommt der Extraktor mit & in Sitemaps klar?
Ja. Sitemaps müssen & als & speichern, und seit dem 1. November 2026 wandelt der Extraktor es zurück, Query-Strings kommen also vollständig heraus. Sie müssen es nicht mehr vorher in einem Texteditor ersetzen.
Kann ich URLs aus einer .xml.gz-Sitemap extrahieren?
Ja, nach dem Entpacken. Komprimierte Sitemaps werden als Datei heruntergeladen. Entpacken Sie die enthaltene .xml, öffnen Sie sie in einem Texteditor und fügen Sie den Inhalt ins Tool ein.
Ist der URL-Extraktor kostenlos?
Ja. Er ist kostenlos, ohne Konto und ohne Installation. Besucher haben 5 Nutzungen pro Tag, ein kostenloses Konto (kein Spam) hebt die Grenze auf.
Bereit für Ihre Liste? Öffnen Sie den kostenlosen URL-Extraktor, fügen Sie den Quelltext Ihrer Sitemap ein und bereinigen Sie das Ergebnis mit zwei Klicks im Duplikat-Zeilen-Entferner und im Listen-Sortierer.
