URL canónica

Qué es

Una página que responde en varias direcciones puede designar una de
ellas como su original, y esa dirección es su URL canónica: la copia
que pide a los motores de búsqueda y a otros consumidores que
indexen y muestren, y a la que pide que atribuyan el reconocimiento.
El nombre procede del marcado que la expresa, un elemento `link` con
`rel="canonical"`, por lo que también se conoce como enlace
canónico, etiqueta canónica o simplemente rel=canonical.

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

Los duplicados aparecen con más frecuencia de la prevista. Se puede
acceder a un mismo artículo con y sin `www`, por `http` y `https`,
con un parámetro de seguimiento al final, ordenado de otra manera,
como vista de impresión o republicado en un segundo host. RFC 6596,
publicado en 2012, registró la relación y estableció su única regla
estricta: el destino debe identificar contenido que sea un duplicado
de la página que lo señala o un superconjunto de ella. Dentro de esa
regla, el destino puede ser la propia página, estar en otro nombre
de host o utilizar otro esquema. El estándar HTML lo describe como
la «URL preferida para el documento actual». Un archivo que no tiene
una cabecera HTML, como un PDF, puede enviar la misma declaración
como una cabecera HTTP `Link` con `rel="canonical"`.

Una URL canónica es una indicación, no una orden. El RFC permite que
las aplicaciones ignoren una designación inadecuada, y la
documentación de Google clasifica las redirecciones y rel=canonical
como señales fuertes, y la inclusión en un mapa del sitio como
débil. Cuando una página no declara nada, el propio motor de
búsqueda elige una copia.

Se sitúa junto a tres herramientas con las que es fácil confundirla.
Una redirección permanente elimina el duplicado tanto para las
personas como para las máquinas, lo que la convierte en la opción
más fuerte cuando no hay motivo para mantener accesible la dirección
adicional. Una directiva `noindex` deja una página fuera del índice
por completo, un resultado distinto de consolidarla en otra página.
Y `hreflang` vincula páginas que son traducciones entre sí: las
traducciones son equivalentes, y ninguna es un duplicado de otra.

Por qué importa

La decisión que toma una URL canónica es qué dirección pasa a ser la
indexada, y la única elección real es tomarla deliberadamente o
dejar que la tome otra persona. Los motores de búsqueda no castigan
tanto el texto duplicado como lo agrupan: conservan una copia y
consolidan las demás en ella. Esa copia es la que las personas ven
en los resultados, la que recibe el reconocimiento de los enlaces a
todas las variantes y a la que vuelve el rastreador. Si se deja
decidir al motor, puede ser la versión con un parámetro de campaña,
el host de preproducción que quedó expuesto o la copia republicada
por un socio, en lugar del original.

La elección entre una redirección y una URL canónica es
principalmente una cuestión de personas. Si nadie necesita la
segunda dirección, rediríjala permanentemente y el problema
desaparece para todos los clientes a la vez; el propio RFC 6596 pide
descartar una redirección permanente antes de recurrir al enlace. Si
la copia debe seguir accesible porque un enlace de campaña apunta a
ella, hay allí una vista de impresión o un segundo sitio publica el
artículo para su propio público, la URL canónica es la herramienta:
resuelve la cuestión para los índices y deja a los lectores en paz.

El coste está en la coherencia, no en la etiqueta. Una línea en la
cabecera es barata. Todos los demás lugares que nombran la dirección
de la página deben coincidir con ella: `og:url`, que utilizan las
vistas previas de enlaces, los identificadores de los datos
estructurados, el mapa del sitio y los propios enlaces internos. Si
dos nombran una dirección y el tercero otra, la página hace dos
afirmaciones sobre sí misma, y un consumidor puede creer cualquiera
de ellas. Lo que decide una URL canónica es a qué dirección se
vincula la reputación que obtenga el contenido.

Cómo se aplica en la práctica

Este sitio es un caso exigente. El mismo árbol de contenido publica
páginas en varias representaciones. El árbol también se compila para
los subdominios especializados.

Las plantillas resuelven los duplicados con una regla: una página
solo es su propio original si fue escrita para la dirección desde la
que se sirve. En el sitio principal eso abarca todo, de modo que
cada página se nombra a sí misma. Un subdominio especializado tiene
una portada escrita para él y nada más, por lo que esa página se
nombra a sí misma, mientras que los trabajos reflejados, las páginas
compartidas y todas las listas que construye el generador apuntan a
la copia del sitio principal en la misma ruta. El valor
predeterminado va en la dirección segura: todo apunta al sitio
principal salvo que indique lo contrario, y una página que merezca
su propia identidad debe pedirla en el front matter, donde la
petición queda visible. Por eso, un tipo nuevo de página hereda la
respuesta conservadora en lugar de atribuirse silenciosamente la
condición de original.

El valor se calcula en una plantilla y se lee en todos los lugares
donde aparece: en `rel="canonical"`, en `og:url` y `twitter:url`, y
en `@id` y `url` del nodo de datos estructurados de la página. El
mapa del sitio y las versiones alternativas por idioma plantean la
misma pregunta como un sí o un no y solo se emiten cuando la URL
canónica es la dirección de la propia página, porque pedir que se
indexe una dirección mientras se nombra otra como original es una
contradicción que un rastreador puede resolver sin confiar en
ninguna. Una copia en un host especializado sigue generándose
completa y su selector de idioma sigue funcionando; lo que retira es
la petición de ser indexada, nunca el contenido. La versión gemela
en Markdown se anuncia desde la página HTML mediante
`rel="alternate"` y su tipo de medio, que el estándar HTML
interpreta como el mismo documento en otro formato y no como una
página rival.

El control de la salida del sitio principal exige exactamente una
URL canónica absoluta que apunte a la propia página en las páginas
HTML normales y comprueba si faltan barras finales en los enlaces
internos a páginas. Los documentos independientes entregados y la
tarjeta social siguen sus propias políticas; los controles de los
sitios especializados verifican la distinción entre espejos y
originales.

Dónde surgen los problemas

Los resultados de búsqueda muestran una dirección que nadie eligió.
Un parámetro de seguimiento, un host imprevisto o un espejo aparece
como URL de los resultados. La página no declara ninguna URL
canónica, o declara una mientras su entrada en el mapa del sitio,
`og:url` y los enlaces internos nombran otra, por lo que el motor
sopesa señales contradictorias y elige. Emita una URL canónica
absoluta en cada página, incluida una que apunte a sí misma en el
original, y derive de ese mismo valor las direcciones del mapa del
sitio, las vistas previas y los datos estructurados.

La segunda página de una serie desaparece del índice. Todas las
páginas de una lista paginada o de un artículo dividido nombran la
primera como canónica. La primera no es ni un duplicado ni un
superconjunto de la segunda, por lo que lo que solo aparece en
páginas posteriores puede tratarse como duplicado y descartarse,
algo de lo que RFC 6596 advierte expresamente. Haga que cada página
de una serie se nombre a sí misma o apunte todas a una sola página
que muestre el conjunto completo y que realmente lo contenga todo.

Un duplicado bloqueado en robots.txt sigue apareciendo o el original
desaparece con él. Bloquear en robots.txt la dirección de un
duplicado impide que el rastreador lea la página, incluida su URL
canónica, y Google señala que una URL bloqueada puede seguir
indexándose sin su contenido. Marcar los duplicados como `noindex`
los elimina de las búsquedas por completo en lugar de consolidar en
el original lo que habían obtenido. Deje que los duplicados puedan
rastrearse y permita que una URL canónica o una redirección realice
la consolidación.

Se ignora la URL canónica declarada. El destino redirige
permanentemente a otro lugar, nombra una URL canónica distinta,
devuelve un 404 o compite con un segundo elemento canónico en la
misma página; un script también puede reescribir el enlace después
de que llegue el HTML. Todo ello hace que la designación sea
inadecuada, y el RFC permite que un consumidor recurra a su propio
criterio. Apunte a la dirección final que devuelve 200, emita un
único elemento en la cabecera HTML servida y no permita que ningún
script lo cambie después.

Lecturas adicionales

  * RFC 6596: la relación de enlace canónico — el registro, la regla
del duplicado o superconjunto y las designaciones que deben
evitarse.

  * Estándar HTML: tipo de enlace «canonical» — cómo define HTML la
palabra clave y dónde puede aparecer.

  * RFC 8288: enlaces web — la cabecera HTTP `Link` que expresa una
URL canónica para archivos sin cabecera HTML.

  * Google Search Central: consolidar URL duplicadas — cómo un motor
de búsqueda sopesa entre sí las redirecciones, las URL canónicas y
los mapas del sitio.

hEsta página en la web	URL:https://engineer.company/es/glossary/canonical/	engineer.company	70
