正規URL

どのようなものか

複数のアドレスで応答するページは、その一つを原本として指定できます。
指定したアドレスが正規URLです。検索エンジンなど、ページを利用する側
に、インデックスへ登録し、表示し、評価を集約してほしいコピーを示しま
す。名前は、その指定を記述する、`rel="canonical"`付きの`link`要素に
由来します。同じものをcanonical
link（正規リンク）、canonical tag（正規タグ）、または単に
rel=canonicalとも呼びます。

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

重複は、意図した以上によく生まれます。一つの記事が、`www`の有無、
`http`と`https`、末尾の追跡パラメーター、異なる並べ方、印刷用の表
示、別のホストでの再公開など、複数の形で開けます。2012年に公開された
RFC
6596は、このリンク関係を登録し、一つの厳格なルールを定めました。リン
ク先は、指定元のページと同じ内容か、その内容をすべて含むものでなけれ
ばなりません。その範囲なら、ページ自身でも、別のホスト名でも、別のス
キームでも指定できます。HTML標準は、「現在の文書を表す優先URL」と説
明しています。PDFのようにHTMLのheadを持たないファイルも、
`rel="canonical"`付きのHTTP
`Link`ヘッダーで、同じ指定を送れます。

正規URLの指定は、命令ではなく手掛かりです。RFCは、不適切な指定をアプ
リケーションが無視することを認めています。Googleの文書は、リダイレク
トとrel=canonicalを強い信号、サイトマップへの掲載を弱い信号としてい
ます。ページが何も指定しなければ、検索エンジンが自らコピーを選びま
す。

混同しやすい、近い三つの仕組みがあります。恒久的なリダイレクトは、機
械だけでなく、人に対しても重複をなくすため、余分なアドレスを開けるま
まにしておく理由がなければ、より確実な選択です。`noindex`ディレク
ティブは、別のページへまとめるのではなく、そのページをインデックスか
ら完全に除きます。`hreflang`は、互いの翻訳であるページを結びます。翻
訳は対応するページであり、どれも他のページの重複ではありません。

なぜ重要なのか

正規URLが決めるのは、どのアドレスをインデックスへ登録するかです。実
際の選択肢は、意識的に決めるか、他の誰かに決められるかしかありませ
ん。検索エンジンは、重複した文章を罰するというより、一つにまとめま
す。一つのコピーを残し、他をそこへ集約します。残したコピーが検索結果
に表示され、各版へのリンクから得る評価が集まり、クローラーが再訪する
対象になります。エンジンに任せると、キャンペーンのパラメーター付きの
版、意図せず公開されたステージング用ホスト、原本でなく提携先の再公開
版が選ばれる可能性があります。

リダイレクトと正規URLのどちらを使うかは、主に、人にとっての問題で
す。二つ目のアドレスが誰にも必要なければ、恒久的にリダイレクトすれ
ば、すべてのクライアントで問題が一度に消えます。RFC
6596自体も、リンクを使う前に、恒久的なリダイレクトを使えないか確認す
るよう求めています。キャンペーンのリンクがそこを指す、印刷用レイアウ
トがある、別のサイトが自分の読者向けに記事を載せるなど、コピーを開け
る状態にしておく必要があれば、正規URLを使います。インデックス向けの
問いを解決し、読者の利用には手を加えないためです。

負担がかかるのは、タグではなく、一貫性です。head内の一行を書く手間は
小さくても、ページのアドレスを示す他のすべての場所を、それと一致させ
る必要があります。リンクプレビューの`og:url`、構造化データの識別子、
サイトマップ、サイト内部のリンクです。二つが一つのアドレス、三つ目が
別のアドレスを示すと、ページが自分について二つの主張をすることにな
り、利用する側がどちらを採用するかは、分かりません。コンテンツが得る
評価をどのアドレスに結び付けるかが、正規URLの決めることです。

実際の活用例

このサイトは、正規URLが必要となる複雑な事例です。同じコンテンツのツ
リーから、各ページを複数の表現形式で公開しています。そのツリーから、
専門分野別のサブドメイン向けにもビルドします。

テンプレートは、一つのルールで重複を整理します。その配信先のアドレス
に向けて書いたページだけを、自分自身が原本であると扱います。主サイト
ではすべてが該当するため、各ページが自分を指定します。専門分野別のサ
ブドメイン向けに独自に書かれたのはトップページだけなので、それは自分
を指定しますが、複製した実績、共通ページ、生成処理が作るすべての一覧
は、同じパスの主サイトのコピーを指定します。既定の動作は安全な方向で
す。別の指定がなければ、すべて主サイトを指し、独自の正本として扱うべ
きページは、front
matterでその扱いを明示的に指定する必要があります。そこで指定すれば、
判断が見えます。そのため、新しい種類のページにも、黙って原本を名乗ら
せず、安全側の判断を引き継がせられます。

値は一つのテンプレートで計算し、現れるすべての場所で使います。
`rel="canonical"`、`og:url`、`twitter:url`、ページの構造化データの
ノードの`@id`と`url`です。サイトマップと他言語版への参照も、同じ条件
を満たすかどうかを判定し、正規URLがページ自身のアドレスである場合だ
け出力します。あるアドレスをインデックスへ登録するよう求めながら、原
本には別のアドレスを指定するのは矛盾であり、クローラーは両方を信用し
ないことで解決できてしまうためです。専門分野別のホストのコピーも、全
文を描画し、言語切り替えも動きます。出さないのはインデックスへの登録
要求であり、内容ではありません。Markdown版は、HTMLページから、
`rel="alternate"`とメディアタイプを付けて知らせます。HTML標準は、こ
れを競合するページではなく、同じ文書の別形式と解釈します。

主サイトの出力検査では、通常のHTMLページに、自分自身を指す絶対URLの
正規URLが一つあることを求め、内部ページへのリンクで末尾のスラッシュ
が欠けていないかを調べます。別ホストへ配信する独立した文書とソーシャ
ルカードには、それぞれの規則があります。専門分野別ホストの検査では、
ミラーと原本の区別を確かめます。

問題が起きるところ

誰も選んでいないアドレスが、検索結果に出ます。
追跡パラメーター、意図しないホスト、ミラーが、表示URLになります。
ページが正規URLを指定していないか、指定しても、サイトマップ、
`og:url`、内部リンクが別のアドレスを示しているため、エンジンは混ざっ
た信号を比較して選びます。すべてのページに絶対URLの正規URLを一つ出力
し、原本にも自分自身を指すものを置きます。サイトマップ、プレビュー、
構造化データのアドレスも、同じ値から導きます。

ページ分割した二ページ目が、インデックスから消えます。
ページ分割した一覧や記事で、全ページが一ページ目を正規URLにしていま
す。一ページ目は二ページ目と同一でも、その内容をすべて含むものでもな
いため、後続だけにある内容が、重複として無視される場合があります。
RFC
6596は、この問題を名指しで警告しています。各ページが自分を指定する
か、本当に全内容を含む一つの全件表示ページへ、すべてを向けます。

robots.txtで拒否した重複が、掲載されたままになったり、原本まで消えた
りします。
robots.txtで重複アドレスを拒否すると、クローラーは、正規URLの指定も
含め、ページを読めません。Googleは、拒否したURLでも、内容なしでイン
デックスへ登録され得るとしています。重複に`noindex`を付けると、得た
評価を原本へ集めるのではなく、検索から完全に除きます。重複もクロール
可能にして、正規URLかリダイレクトに集約を任せます。

指定した正規URLが無視されます。
リンク先が別の場所へ恒久的にリダイレクトする、さらに別の正規URLを指
定する、404を返す、同じページの二つ目の正規URL要素と競合するといった
場合です。また、HTMLが届いた後に、スクリプトがリンクを書き換えること
もあります。いずれも指定を不適切にするため、RFCは、利用する側が自分
の判断へ戻ることを認めます。200を返す最終アドレスを指し、配信する
HTMLのheadに要素を一つだけ出力し、その後はスクリプトで変更させないよ
うにします。

参考資料

  * RFC 6596：The Canonical Link
Relation：リンク関係の登録、重複または全内容を含むというルール、避け
るべき指定を説明します。

  * HTML標準：リンク種別canonical：HTMLでのキーワードの定義と、記述
できる場所を説明します。

  * RFC 8288：Web Linking：HTMLのheadを持たないファイルで正規URLを伝
える、HTTP
`Link`ヘッダーを説明します。

  * Google Search
Central：重複URLの集約：ある検索エンジンが、リダイレクト、正規URL、
サイトマップをどのように比較するかを説明します。

hこのページのウェブ版	URL:https://engineer.company/ja/glossary/canonical/	engineer.company	70
