Kanonische URL

Was es ist

Eine Seite, die unter mehreren Adressen antwortet, kann eine davon
als ihr Original benennen. Diese Adresse ist ihre kanonische URL:
die Kopie, die Suchmaschinen und andere Abnehmer indexieren und
anzeigen sollen und der sie die Anerkennung für den Inhalt zurechnen
sollen. Der Name stammt aus dem Markup, das die Angabe trägt, einem
`link`-Element mit `rel="canonical"`. Dieselbe Angabe heißt deshalb
auch Canonical Link, Canonical Tag oder kurz rel=canonical.

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

Duplikate entstehen häufiger als geplant. Ein Artikel ist mit und
ohne `www`, über `http` und `https`, mit einem angehängten
Trackingparameter, anders sortiert, als Druckansicht oder erneut auf
einem zweiten Host erreichbar. RFC 6596 registrierte die Relation
2012 und legte ihre einzige verbindliche Regel fest: Das Ziel muss
Inhalt bezeichnen, der entweder ein Duplikat der verweisenden Seite
ist oder sie vollständig umfasst. Innerhalb dieser Regel darf das
Ziel die Seite selbst sein, auf einem anderen Hostnamen liegen oder
ein anderes Schema verwenden. Der HTML-Standard beschreibt es als
„bevorzugte URL für das aktuelle Dokument“. Eine Datei ohne
HTML-Kopf, etwa ein PDF, kann dieselbe Angabe als HTTP-Header `Link`
mit `rel="canonical"` senden.

Eine kanonische Angabe ist ein Hinweis, kein Befehl. Der RFC erlaubt
Anwendungen, eine unzulässige Zuordnung zu ignorieren. Googles
Dokumentation stuft Weiterleitungen und rel=canonical als starke
Signale ein, die Aufnahme in eine Sitemap dagegen als schwaches.
Gibt eine Seite nichts an, wählt die Suchmaschine selbst eine Kopie.

Daneben stehen drei leicht damit verwechselte Werkzeuge. Eine
permanente Weiterleitung beseitigt das Duplikat für Menschen ebenso
wie für Maschinen. Sie ist deshalb die stärkere Wahl, wenn die
zusätzliche Adresse nicht erreichbar bleiben muss. Eine Direktive
`noindex` hält die Seite vollständig aus dem Index heraus. Das ist
ein anderes Ergebnis, als sie mit einer anderen Seite
zusammenzuführen. `hreflang` verbindet dagegen Seiten, die
Übersetzungen voneinander sind. Übersetzungen sind Entsprechungen;
keine ist ein Duplikat einer anderen.

Warum es wichtig ist

Eine kanonische Angabe entscheidet, welche Adresse indexiert wird.
Die eigentliche Wahl besteht darin, diese Entscheidung bewusst zu
treffen oder sie jemand anderem zu überlassen. Suchmaschinen
bestrafen doppelten Text weniger, als dass sie ihn zusammenführen:
Sie behalten eine Kopie und ordnen den Rest ihr zu. Diese Kopie
erscheint in den Ergebnissen, erhält die Anerkennung für Links auf
sämtliche Varianten und wird vom Crawler erneut besucht. Bleibt die
Entscheidung der Suchmaschine überlassen, kann die Kopie die Version
mit Kampagnenparameter sein, ein versehentlich öffentlicher
Staging-Host oder der Nachdruck eines Partners statt des Originals.

Weiterleitung oder kanonische Angabe ist vor allem eine Frage der
Menschen. Braucht niemand die zweite Adresse, leiten Sie sie
dauerhaft weiter. Das Problem verschwindet dann für alle Clients
zugleich. RFC 6596 selbst fordert Autoren auf, eine permanente
Weiterleitung auszuschließen, bevor sie zum Link greifen. Muss die
Kopie erreichbar bleiben, weil ein Kampagnenlink darauf zeigt, dort
eine Druckansicht liegt oder eine zweite Website den Artikel für ihr
eigenes Publikum veröffentlicht, ist die kanonische Angabe das
Werkzeug. Sie klärt die Frage für Indizes und lässt die Leser
unbehelligt.

Die Kosten liegen in der Einheitlichkeit, nicht im Tag. Eine Zeile
im Kopf ist günstig. Jede andere Stelle, die die Adresse der Seite
nennt, muss damit übereinstimmen: das `og:url` für Linkvorschauen,
die Kennungen in strukturierten Daten, die Sitemap und die eigenen
internen Links der Website. Nennen zwei davon eine Adresse und eine
weitere Stelle eine andere, macht die Seite zwei Aussagen über sich
selbst. Ein Abnehmer kann jeder davon glauben. Die kanonische Angabe
legt fest, welcher Adresse die vom Inhalt erworbene Reputation
zugerechnet wird.

Wie es in der Praxis aussieht

Diese Website stellt anspruchsvolle Anforderungen daran. Derselbe
Inhaltsbaum veröffentlicht Seiten in mehreren Darstellungsformen.
Der Baum wird auch für die spezialisierten Subdomains gebaut.

Die Vorlagen klären Duplikate mit einer Regel: Eine Seite ist nur
dann ihr eigenes Original, wenn sie für die Adresse geschrieben
wurde, unter der sie ausgeliefert wird. Auf der Hauptwebsite gilt
das für alles, also nennt sich jede Seite selbst. Für eine
spezialisierte Subdomain wurde nur eine eigene Startseite
geschrieben. Diese nennt sich deshalb selbst, während gespiegelte
Arbeiten, gemeinsame Seiten und jede vom Generator erstellte Liste
auf die Kopie unter demselben Pfad der Hauptwebsite verweisen. Die
Voreinstellung geht in die sichere Richtung: Alles zeigt zur
Hauptwebsite, sofern es nichts anderes angibt. Eine Seite, die eine
eigene Identität verdient, muss sie im Front Matter ausdrücklich
anfordern, wo diese Entscheidung sichtbar ist. Eine neue Seitenart
erbt damit die vorsichtige Antwort, statt sich stillschweigend als
Original auszugeben.

Der Wert wird in einer Vorlage berechnet und überall dort gelesen,
wo er erscheint: von `rel="canonical"`, `og:url` und `twitter:url`
sowie von `@id` und `url` des Knotens für die strukturierten Daten
der Seite. Sitemap und Sprachalternativen stellen dieselbe Frage als
Ja oder Nein. Sie werden nur ausgegeben, wenn die kanonische Adresse
die eigene Adresse der Seite ist. Eine Adresse zur Indexierung
vorzuschlagen und gleichzeitig eine andere als Original zu benennen
ist ein Widerspruch, auf den ein Crawler reagieren kann, indem er
keiner glaubt. Eine Kopie auf einem spezialisierten Host wird
weiterhin vollständig gerendert, und ihr Sprachumschalter
funktioniert weiter. Zurückgehalten wird die Aufforderung zur
Indexierung, niemals der Inhalt. Der Markdown-Zwilling wird auf der
HTML-Seite mit `rel="alternate"` und seinem Medientyp angekündigt.
Der HTML-Standard versteht das als dasselbe Dokument in einem
anderen Format statt als konkurrierende Seite.

Die Ausgabeprüfung der Hauptwebsite verlangt auf normalen
HTML-Seiten genau eine absolute, selbstreferenzierende kanonische
Adresse und prüft interne Seitenlinks auf fehlende abschließende
Schrägstriche. Eigenständige ausgelieferte Dokumente und die Social
Card folgen eigenen Regeln; die Prüfungen der spezialisierten Hosts
prüfen die Unterscheidung zwischen Spiegeln und Originalen.

Wo es schiefgeht

Suchergebnisse zeigen eine Adresse, die niemand gewählt hat. Ein
Trackingparameter, ein ungewollt erreichbarer Host oder ein Spiegel
erscheint als gelistete URL. Die Seite nennt entweder keine
kanonische Adresse oder nennt eine, während ihr Sitemapeintrag,
`og:url` und interne Links etwas anderes nennen. Die Suchmaschine
gewichtet die widersprüchlichen Signale und entscheidet. Geben Sie
auf jeder Seite eine absolute kanonische Adresse aus, beim Original
eine selbstreferenzierende. Leiten Sie die Adressen in Sitemap,
Vorschauen und strukturierten Daten aus demselben Wert ab.

Die zweite Seite einer Reihe verschwindet aus dem Index. Jede Seite
einer paginierten Liste oder eines aufgeteilten Artikels nennt die
erste Seite als kanonisch. Die erste Seite ist weder ein Duplikat
noch eine vollständige Obermenge der zweiten. Was nur auf späteren
Seiten steht, kann deshalb als Duplikat behandelt und übergangen
werden. RFC 6596 warnt ausdrücklich davor. Lassen Sie jede Seite
einer Reihe sich selbst nennen oder verweisen Sie alle auf eine
einzige Gesamtansicht, die tatsächlich alles enthält.

Ein in robots.txt gesperrtes Duplikat bleibt gelistet, oder das
Original verschwindet mit. Die Adresse eines Duplikats in robots.txt
zu sperren hindert den Crawler daran, die Seite einschließlich ihrer
kanonischen Angabe zu lesen. Google weist darauf hin, dass eine
gesperrte URL trotzdem ohne ihren Inhalt indexiert werden kann.
Duplikate mit `noindex` zu markieren entfernt sie vollständig aus
der Suche, statt ihre erworbene Reputation dem Original
zuzuschreiben. Lassen Sie Duplikate crawlbar und überlassen Sie die
Zusammenführung einer kanonischen Angabe oder Weiterleitung.

Die angegebene kanonische Adresse wird ignoriert. Das Ziel leitet
dauerhaft woandershin weiter, nennt selbst eine andere kanonische
Adresse, liefert 404 oder konkurriert mit einem zweiten kanonischen
Element auf derselben Seite. Auch ein Skript kann den Link nach
Empfang des HTML umschreiben. Jede dieser Situationen macht die
Zuordnung unzulässig. Der RFC erlaubt dem Abnehmer dann, nach
eigenem Ermessen zu entscheiden. Verweisen Sie auf die endgültige
Adresse, die 200 zurückgibt, liefern Sie ein Element im
ausgelieferten HTML-Kopf aus und lassen Sie es danach von keinem
Skript ändern.

Weiterführende Lektüre

  * RFC 6596: Die kanonische Linkrelation — die Registrierung, die
Regel für Duplikate oder Obermengen und die zu vermeidenden
Zuordnungen.

  * HTML-Standard: Linktyp „canonical“ — wie HTML das Schlüsselwort
definiert und wo es stehen darf.

  * RFC 8288: Verknüpfungen im Web — der HTTP-Header `Link`, der
eine kanonische Angabe für Dateien ohne HTML-Kopf übermittelt.

  * Google Search Central: Doppelte URLs zusammenführen — wie eine
Suchmaschine Weiterleitungen, kanonische Angaben und Sitemaps
gegeneinander gewichtet.

hDiese Seite im Web	URL:https://engineer.company/de/glossary/canonical/	engineer.company	70
