Kanonisk URL

Hvad det er

Når en side svarer på flere adresser, kan den udpege én af dem som
sin original, og den udpegede adresse er sidens kanoniske URL: den
kopi, siden beder søgemaskiner og andre modtagere om at indeksere,
vise og give æren. Navnet kommer fra den markup, der bærer den, et
`link`-element med `rel="canonical"`, og derfor hører man også
kanonisk link, canonical-tag eller bare rel=canonical.

```html
<link rel="canonical" href="https://example.com/guide/" />
```

Dubletter opstår oftere, end nogen planlægger. Den samme artikel kan
nås med og uden `www`, over `http` og `https`, med en
sporingsparameter i enden, sorteret på en anden måde, som
printvisning eller genudgivet på et andet domæne. RFC 6596 fra 2012
registrerede relationen og gav den én fast regel: målet skal pege på
indhold, der enten er en dublet af den henvisende side eller et
supersæt af den. Inden for den regel må målet være siden selv, ligge
på et andet værtsnavn eller bruge et andet skema. HTML-standarden
kalder det dokumentets foretrukne URL. En fil uden HTML-head, for
eksempel en PDF, kan sende samme besked som en HTTP-header af typen
`Link` med `rel="canonical"`.

En kanonisk URL er et hint og ikke en ordre. RFC'en giver programmer
lov til at se bort fra en udpegning, der er forkert, og Googles
dokumentation regner omdirigeringer og rel=canonical for stærke
signaler, mens en plads i et sitemap er et svagt signal. Hvor en
side ikke angiver noget, vælger søgemaskinen selv en kopi.

Den står ved siden af tre værktøjer, som er lette at forveksle med
den. En permanent omdirigering fjerner dubletten for mennesker såvel
som maskiner og er derfor det stærkere valg, når den ekstra adresse
ikke behøver at kunne nås. Et `noindex`-direktiv holder en side helt
ude af indekset, og det er noget andet end at lægge den sammen med
en anden side. Og `hreflang` binder sider sammen, der er
oversættelser af hinanden; oversættelser er ligeværdige, og ingen af
dem er en dublet af en anden.

Hvorfor det betyder noget

Den beslutning, en kanonisk URL træffer, er, hvilken adresse der
bliver den indekserede, og det eneste reelle valg står mellem at
træffe den bevidst og at lade en anden træffe den. Søgemaskiner
straffer ikke så meget dubleret tekst, som de slår den sammen: de
beholder én kopi og folder resten ind i den. Den kopi, de beholder,
er den, folk ser i søgeresultaterne, den, som links til alle
varianterne bliver krediteret, og den, en crawler vender tilbage
til. Overlader man det til søgemaskinen, kan det blive versionen med
en kampagneparameter, et testmiljø, der er sluppet ud, eller en
partners genudgivne kopi i stedet for originalen.

Omdirigering kontra kanonisk URL er mest et spørgsmål om mennesker.
Har ingen brug for den anden adresse, så omdiriger permanent, og
problemet forsvinder for alle klienter på én gang; RFC 6596
anbefaler selv at undersøge, om en omdirigering kunne klare opgaven.
Skal kopien kunne nås, fordi et kampagnelink peger på den, et
printlayout bor der, eller et andet site bringer artiklen for sit
eget publikum, så er den kanoniske URL værktøjet, fordi den afgør
spørgsmålet for indeksene og lader læserne være.

Omkostningen ligger i sammenhængen og ikke i selve tagget. Én linje
i head er billig. Alle andre steder, der nævner sidens adresse, skal
være enige med den: den `og:url`, som linkforhåndsvisninger bruger,
identifikatorerne i strukturerede data, sitemappet og sitets egne
interne links. Nævner to af dem én adresse og det tredje en anden,
påstår siden to ting om sig selv, og en modtager kan tro på hvilken
som helst af dem. Det, den kanoniske URL afgør, er, hvilken adresse
den anseelse, indholdet opnår, bliver knyttet til.

Sådan ser det ud i praksis

Dette site er et krævende tilfælde. Det samme indholdstræ udgiver
sider i flere repræsentationer. Træet bygges også til de fokuserede
subdomæner.

Skabelonerne afgør dubletterne med én regel: en side er kun sin egen
original, hvis den blev skrevet til den adresse, den serveres fra.
På hovedsitet gælder det alt, så hver side udpeger sig selv. Et
fokuseret subdomæne har skrevet sin egen forside og intet andet, så
den side udpeger sig selv, mens det spejlede arbejde, de fælles
sider og alle de lister, generatoren bygger, peger på hovedsitets
kopi på samme sti. Standardvalget går i den sikre retning: alt peger
hjem, medmindre det siger andet, og en side, der fortjener sin egen
identitet, må bede om den i front matter, hvor anmodningen er
synlig. En ny slags side arver dermed det forsigtige svar i stedet
for i stilhed at give sig ud for at være en original.

Værdien beregnes i én skabelon og læses alle de steder, den
optræder: af `rel="canonical"`, af `og:url` og `twitter:url` og af
`@id` og `url` i sidens node med strukturerede data. Sitemappet og
sprogalternativerne stiller samme spørgsmål som ja eller nej og
udskrives kun, når den kanoniske URL er sidens egen adresse, for at
bede om at få én adresse indekseret og samtidig kalde en anden for
originalen er en modsigelse, som en crawler kan løse ved at stole på
ingen af dem. En kopi på et fokuseret subdomæne vises stadig i sin
helhed, og sprogvælgeren virker; det, den holder tilbage, er
anmodningen om at blive indekseret, aldrig indholdet.
Markdown-tvillingen annonceres fra HTML-siden med `rel="alternate"`
og sin medietype, hvilket HTML-standarden læser som det samme
dokument i et andet format og ikke som en konkurrerende side.

Tjekket af hovedsitets output kræver én absolut, selvrefererende
kanonisk URL på almindelige HTML-sider og tjekker interne sidelinks
for manglende afsluttende skråstreger. Selvstændige dokumenter til
andre værter og det sociale kort følger deres egne regler; tjek af
de fokuserede værter kontrollerer skellet mellem spejle og
originaler.

Hvor det går galt

Søgeresultaterne viser en adresse, ingen har valgt. En
sporingsparameter, et forkert værtsnavn eller et spejl dukker op som
den viste URL. Siden angiver enten ingen kanonisk URL, eller den
angiver én, mens dens sitemap-post, `og:url` og interne links nævner
noget andet, så søgemaskinen vejer blandede signaler og vælger selv.
Sæt én absolut kanonisk URL på hver side, også en selvrefererende på
originalen, og afled adresserne i sitemap, forhåndsvisning og
strukturerede data af netop den værdi.

Side to i en serie forsvinder fra indekset. Hver side i en pagineret
liste eller en opdelt artikel udpeger side ét som sin kanoniske URL.
Side ét er hverken en dublet eller et supersæt af side to, så det,
der kun står på de senere sider, kan blive behandlet som dublet og
ignoreret, hvilket RFC 6596 advarer om ved navn. Lad hver side i en
serie udpege sig selv, eller lad dem alle pege på én samlet side,
som virkelig rummer det hele.

En dublet, der er spærret i robots.txt, bliver ved med at stå i
søgeresultaterne, eller originalen forsvinder sammen med den.
Spærrer man en dublets adresse i robots.txt, kan crawleren ikke læse
siden og dermed heller ikke dens kanoniske URL, og Google gør
opmærksom på, at en spærret URL stadig kan blive indekseret uden sit
indhold. Mærker man dubletter `noindex`, fjernes de helt fra søgning
i stedet for at lægge det, de har opnået, over på originalen. Lad
dubletter være tilgængelige for crawleren, og lad en kanonisk URL
eller en omdirigering stå for sammenlægningen.

Den angivne kanoniske URL bliver ignoreret. Målet omdirigerer
permanent videre, udpeger selv en anden kanonisk URL, svarer med 404
eller konkurrerer med et andet canonical-element på samme side; et
script kan også skrive linket om, efter at HTML'en er ankommet. Hver
af dem gør udpegningen forkert, og RFC'en lader en modtager falde
tilbage på sin egen vurdering. Peg på den endelige adresse, der
svarer med 200, sæt ét element i head i den HTML, serveren sender,
og lad intet script ændre det bagefter.

Læs mere

  * RFC 6596: The Canonical Link Relation — registreringen, reglen
om dublet eller supersæt og de udpegninger, man skal undgå.

  * HTML Standard: link type "canonical" — hvordan HTML definerer
nøgleordet, og hvor det må stå.

  * RFC 8288: Web Linking — HTTP-headeren `Link`, der bærer en
kanonisk URL for filer uden HTML-head.

  * Google Search Central: consolidate duplicate URLs — hvordan én
søgemaskine vejer omdirigeringer, kanoniske URL'er og sitemaps op
mod hinanden.

hDenne side på nettet	URL:https://engineer.company/da/glossary/canonical/	engineer.company	70
