hreflang

Hvad det er

På et link angiver `hreflang`, hvilket sprog siden i den anden ende
er skrevet på. HTML tillader attributten på elementerne `a`, `area`
og `link`, men den er blevet kendt for en bestemt brug: et sæt `link
rel="alternate"`-elementer i sidens head, ét pr. sprogversion,
hvormed et site fortæller søgemaskiner, at flere adresser rummer det
samme indhold på forskellige sprog.

```html
<link rel="alternate" hreflang="en" href="https://example.com/guide/" />
<link rel="alternate" hreflang="da" href="https://example.com/da/guide/" />
<link rel="alternate" hreflang="x-default" href="https://example.com/guide/" />
```

HTML-standarden kalder attributten »rent vejledende«. Værdien skal
være et gyldigt sprogmærke efter BCP 47, og en browser skal tage en
hentet sides sprog fra siden selv og aldrig fra det link, der førte
derhen. Sammen med `rel="alternate"` markerer et `hreflang`, der
afviger fra dokumentets eget sprog, at målet er en oversættelse.

Søgemaskinerne har gjort den vejledende bemærkning til et fast
regelsæt. Google beskriver tre ligeværdige måder at levere sættet
på: link-elementer i head, en HTTP-header af typen `Link` til PDF'er
og andre filer uden head, og poster i et XML-sitemap. Hver version
skal nævne sig selv og alle de andre versioner med fuldt
kvalificerede adresser. Et par tæller kun, når begge sider nævner
hinanden, så et fremmed site ikke kan erklære sig selv for en
oversættelse af ens egne sider. Koderne er et sprog efter ISO 639-1,
eventuelt efterfulgt af en region efter ISO 3166-1, og en region
alene er ugyldig. Den reserverede værdi `x-default` udpeger siden
til læsere, hvis sprog ikke passer til nogen af de andre, og ifølge
Google er den tænkt til sider, hvor man vælger sprog.

To naboer er lette at forveksle med den. Attributten `lang` siger,
hvilket sprog teksten foran læseren er på; `hreflang` siger, hvilket
sprog en side, der linkes til, er på. Google oplyser, at den ikke
bruger nogen af dem til at afgøre en sides sprog, så `hreflang` kan
ikke gøre en side dansk; den fortæller en søgemaskine, at en dansk
side, den allerede har genkendt, hører sammen med en engelsk. Og en
kanonisk URL lægger dubletter sammen til én indekseret adresse, mens
`hreflang` identificerer sprogalternativer og hjælper en søgemaskine
med at vælge, hvilken version den skal vise.

Hvorfor det betyder noget

Det, `hreflang` afgør, er, om sprogversionerne af en side udgør én
klynge eller bedømmes som hver sin side. Står de alene, konkurrerer
hver version for sig, og en søgemaskine kan vise den engelske side
til en dansk læser eller liste begge versioner i de samme
resultater. Erklæres de som en klynge, forstås de som ét stykke
indhold, og søgemaskinen kan tilbyde den version, der passer til
læserens sprogindstillinger.

Klyngen giver kun mening, når versionerne virkelig er det samme
indhold. Et site på ét sprog har slet ikke brug for `hreflang`, og
to sprogafdelinger, der adskiller sig i substansen, er heller ikke
en klynge. Regionale varianter med små forskelle, for eksempel
`en-GB`- og `en-US`-sider med hver sine priser, hører også sammen i
én.

Omkostningen er bogføring, og den vokser med kvadratet på antallet
af sprog. Hver version af hver side bærer hele listen, så når en
oversættelse tilføjes, flyttes eller trækkes tilbage, ændres head på
alle søskendesiderne, og en liste, der er rigtig på de fleste sider
og forkert på nogle få, fejler i stilhed: de par, der peger begge
veje, bliver brugt, og resten bliver smidt væk uden nogen synlig
fejl. Derfor egner `hreflang` sig dårligt til håndredigering og godt
til en generator, der udleder hver sides sæt af én liste. Det,
`hreflang` ændrer, er, hvilken af flere versioner en søgende får at
se.

Sådan ser det ud i praksis

Dette site bygger sine sprogversioner fra ét indholdstræ, så hver
side har et sæt tilsvarende oversættelser at angive.

Én skabelon afgør, hvilke oversættelser der annonceres, og
resultatet bruges flere steder: `hreflang`-sættet i head,
`og:locale:alternate`-taggene til linkforhåndsvisninger,
alternativerne i sitemappet, `inLanguage` i sitets strukturerede
data og, efter endnu en fratrækning, den sprogstribe, læseren ser.
Listen rummer siden selv og giver dermed den selvreference, reglerne
kræver. Koderne nævner kun sprog, for eksempel `en`, `da` og `uk`,
så hver version tilbydes alle læsere af det sprog, uanset hvor de
befinder sig, og den engelske post skrives en gang til som
`x-default`. Head og sitemap bærer begge sættet, og begge gengives
fra den samme liste, så de kan ikke glide fra hinanden.

Skellet mellem maskiner og læsere er bevidst. På et tidligere
implementeringstrin blev den ukrainske version annonceret til
crawlere og opført i sitemaps, mens sprogstriben i topbjælken udelod
den. Ét konfigurationsflag styrede skellet: crawlere fik gensidige
ukrainske alternativer, mens kun læserens sprogstribe ændrede sig.
Et andet flag, til et sprog, der er bygget, men ikke klar, fjerner
det fra begge lister og mærker dets sider `noindex`. En side på
sådan et sprog angiver heller ingen søskende, for et `hreflang` fra
en side, der ikke er annonceret, til en, der er, er et par, som en
søgemaskine kun ser den ene ende af.

Kopier følger samme logik. En side på et af de fokuserede
subdomæner, hvis kanoniske URL peger tilbage på hovedsitet,
udskriver slet intet `hreflang`: sættet læses på den side, en
søgemaskine har godtaget som kanonisk, og en kopi, der nævnte sin
egen værts oversættelser, ville modsige sin egen kanoniske URL.
Sprogvælgeren virker stadig, for en læser, der vil have dansk, skal
stadig have dansk.

Et tjek af de byggede sider kræver, at hver side med alternativer
har `x-default` og sit eget sprog med, og at hvert alternativ er en
bygget side på et annonceret sprog, som peger tilbage. Reglen om
selvreference gør nytte. Generatoren har to lister med næsten samme
navn, `.Translations`, der udelader den aktuelle side, og
`.AllTranslations`, der tager den med, og forveksler man dem,
forsvinder hver sides eget sprog fra head og fra sprogstriben på én
gang, så de to stadig er enige. Mod et bevidst ødelagt build var den
ene kontrolbetingelse den eneste i tjekket, der fangede 528 af de
792 sider.

Hvor det går galt

Søgende får versionen på det forkerte sprog. En dansk læser bliver
sendt til den engelske side, eller begge versioner står side om
side. Parrene peger kun én vej: den danske side nævner den engelske,
men den engelske lister stadig kun de sprog, den havde før, og
søgemaskiner ignorerer et par uden returlink. Byg hver sides sæt af
én liste, der rummer siden selv, og afprøv gensidigheden på det
byggede output.

Et helt sprogs annoteringer gør ingenting. Markuppen er der og er
gyldig HTML, men versionerne bliver behandlet, som om de intet har
med hinanden at gøre. Koderne betyder noget andet end tilsigtet:
`ua` eller `dk`, hvor sprogene hedder `uk` og `da`, `be` ment som
Belgien, selv om det er koden for hviderussisk, eller `en-UK`, hvor
`en-GB` var ment, fordi `UK` er en reserveret regionskode, som
Google ser bort fra. Brug et sprog fra ISO 639-1, tilføj kun en
region fra ISO 3166-1, hvor indholdet faktisk er forskelligt fra
land til land, og husk, at et gyldigt BCP 47-mærke stadig kan være
et, Google ikke understøtter.

Oversættelserne falder ud af indekset. Kun originalsproget dukker op
i søgningen, og oversættelserne behandles som dubletter af det. Hver
oversættelse udpeger originalen som sin kanoniske URL, og det beder
om, at oversættelsen bliver lagt sammen med originalen, mens dens
`hreflang` beder om, at den bliver vist. Lad hver sprogversion være
sin egen kanoniske URL; Googles råd er, at den kanoniske side skal
være på samme sprog.

En side, der bad om at blive holdt ude af søgning, bliver annonceret
alligevel. Et kladdesprog mærket `noindex` står blandt
alternativerne på udgivne sider eller lister dem i sit eget head.
Annonceringen og direktivet er sat to forskellige steder, så sitet
giver en crawler to svar om den samme adresse. Beslut det pr. sprog,
annonceret i begge retninger eller i ingen af dem, læg beslutningen
i én indstilling, som alle lister læser, og tjek de byggede sider
mod den.

Læs mere

  * HTML Standard: the hreflang attribute — hvad attributten betyder
på et link, og hvorfor en browser ikke må stole på den.

  * HTML Standard: link type "alternate" — hvordan `hreflang` og
`type` beskriver en oversættelse eller et andet format af det samme
dokument.

  * RFC 5646: Tags for Identifying Languages — den BCP 47-syntaks,
attributtens værdi skal følge.

  * Google Search Central: localized versions of your pages — de tre
måder at levere sættet på, reglen om gensidighed og `x-default`.

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