# 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](/ja/portfolio/built-a-multilingual-hugo-site-in-3-languages/)。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](https://www.rfc-editor.org/rfc/rfc6596)：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](https://html.spec.whatwg.org/multipage/links.html#link-type-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](https://www.rfc-editor.org/rfc/rfc8288)：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](https://developers.google.com/search/docs/crawling-indexing/consolidate-duplicate-urls)：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。

<https://engineer.company/ja/glossary/canonical/>
