Read sitemap and filter URLs

工作流名称

Read sitemap and filter URLs

主要功能和亮点

该工作流能够自动读取指定网站的 sitemap.xml 文件，将其中的 XML 格式数据转换为 JSON 格式，拆分出所有 URL 条目，并根据用户自定义的过滤条件筛选出符合要求的链接。默认示例中，最终筛选出以 .pdf 结尾的文档链接，方便快速定位和获取特定类型的资源。

解决的核心问题

很多网站的 sitemap.xml 文件包含大量不同类型的页面和资源链接，人工提取和筛选效率低且易出错。该工作流通过自动化流程实现快速解析和精准过滤，显著提升了 sitemap 数据的处理效率，方便用户直接获取所需的目标链接。

应用场景

• SEO 优化人员需要提取网站中特定类型的页面链接进行分析。
• 内容运营或资料管理人员快速定位并下载网站上的 PDF、图片等资源。
• 开发者或数据分析师自动抓取和整理网站结构数据。
• 自动化测试中需要校验网站链接有效性和资源分布。

主要流程步骤

1. 手动触发工作流启动。
2. 设置并传入目标网站的 sitemap.xml URL。
3. 通过 HTTP 请求获取 sitemap.xml 文件内容。
4. 将 XML 格式的 sitemap 转换为可操作的 JSON 格式。
5. 拆分 JSON 中的所有 URL 条目，逐条处理。
6. 依据用户自定义的过滤规则筛选符合条件的链接（如默认筛选以 .pdf 结尾的链接）。
7. 输出筛选结果，供后续使用或进一步处理。

涉及的系统或服务

• HTTP 请求节点：用于抓取 sitemap.xml 文件。
• XML 转换节点：实现 XML 到 JSON 的格式转换。
• 过滤节点：按照规则筛选 URL。
• 手动触发节点：支持用户主动启动流程。
• 备注节点（Sticky Note）：用于流程说明和配置提示。

适用人群或使用价值

• 网站管理员和SEO优化专家，帮助快速获取网站结构和资源链接。
• 内容管理人员，便于整理和下载指定格式资源。
• 自动化和数据分析工程师，提升数据抓取和预处理效率。
• 任何需要自动化处理 sitemap 数据以节省时间和降低人工误差的用户。

该工作流结构清晰，配置灵活，用户只需修改 sitemap URL 及过滤规则，即可快速应用于不同网站和多样需求，极大简化了 sitemap 数据提取和筛选的复杂度。