Kanonisk URL

Vad det är

En kanonisk URL är den adress som en sida med flera adresser pekar
ut som sitt original: kopian som den ber sökmotorer och andra
konsumenter att indexera, visa och tillgodoräkna. Namnet kommer från
märkningen som bär uppgiften, ett `link`-element med
`rel="canonical"`, och därför kallas samma sak också kanonisk länk,
canonical-tagg eller bara rel=canonical. I vardagligt tal säger
många svenska utvecklare helt enkelt canonical.

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

Dubbletter uppstår oftare än någon planerar för. En och samma
artikel kan nås med och utan `www`, över `http` och `https`, med en
spårningsparameter på slutet, sorterad på ett annat sätt, som
utskriftsvy eller återpublicerad på en annan värd. RFC 6596, som
publicerades 2012, registrerade relationen och gav den dess enda
hårda regel: målet måste identifiera innehåll som antingen är en
dubblett av den hänvisande sidan eller en övermängd av den, alltså
innehåller allt den har, eventuellt också mer. Inom den regeln får
målet vara sidan själv, ligga på ett annat värdnamn eller använda
ett annat URI-schema. HTML-standarden beskriver det som ”preferred
URL for the current document”. En fil som saknar HTML-huvud, som en
PDF, kan skicka samma besked i HTTP-headern `Link` med
`rel="canonical"`.

En kanonisk URL är en vink och ingen order. RFC 6596 låter program
bortse från en utpekning som är felaktig, och dokumentationen från
Google räknar omdirigeringar och rel=canonical som starka signaler
och att sidan står i en webbplatskarta som en svag. Där en sida inte
deklarerar något väljer sökmotorn en kopia själv.

Den står bredvid tre verktyg som är lätta att blanda ihop med den.
En permanent omdirigering tar bort dubbletten för människor lika väl
som för maskiner, och är därför det starkare valet så fort den extra
adressen inte har något skäl att gå att nå. Direktivet `noindex`
håller en sida helt utanför indexet, vilket är ett annat utfall än
att slå ihop den med en annan sida. Och `hreflang` knyter ihop sidor
som är översättningar av varandra; översättningar är likvärdiga, och
ingen av dem är en dubblett av en annan.

Varför det spelar roll

Beslutet som en kanonisk URL fattar är vilken adress som blir den
indexerade, och det enda verkliga valet står mellan att fatta det
med avsikt och att låta någon annan fatta det. Sökmotorer straffar
inte dubblerad text så mycket som de slår ihop den: de behåller en
kopia och viker in resten i den. Kopian som behålls är den som
människor ser i sökresultaten, den som länkar till varje variant
tillgodoräknas och den som en sökrobot återvänder till. Lämnas valet
åt sökmotorn kan den kopian bli versionen med en kampanjparameter,
en stagingserver som läckte ut eller en partners återpublicering i
stället för originalet.

Omdirigering eller kanonisk länk är mest en fråga om människor.
Behöver ingen den andra adressen, så omdirigera den permanent, och
problemet försvinner för varje klient på en gång; RFC 6596 ber själv
författare att utesluta en permanent omdirigering innan de tar till
länken. Måste kopian gå att nå, för att en kampanjlänk pekar på den,
en utskriftslayout bor där eller en annan webbplats bär artikeln för
sin egen publik, då är den kanoniska länken rätt verktyg, eftersom
den avgör frågan för indexen och lämnar läsarna i fred.

Kostnaden ligger i konsekvensen, inte i taggen. En rad i sidhuvudet
är billig. Varje annat ställe som namnger sidans adress måste hålla
med den: `og:url` som länkförhandsvisningar använder, identifierarna
i strukturerad data, webbplatskartan och webbplatsens egna interna
länkar. Om två av dem namnger en adress och den tredje en annan gör
sidan två påståenden om sig själv, och en konsument kan tro på
vilket som helst. Det en kanonisk URL avgör är vilken adress allt
anseende som innehållet förtjänar knyts till.

Så ser det ut i praktiken

Den här webbplatsen är ett krävande exempel. Ur samma innehållsträd
publiceras sidor i flera format. Trädet byggs också för de
fokuserade underdomänerna.

Mallarna löser dubbletterna med en enda regel: en sida är sitt eget
original bara om den skrevs för den adress den serveras från. På
huvudwebbplatsen gäller det allt, så varje sida namnger sig själv.
En fokuserad underdomän har skrivit sin egen startsida och inget
annat, så den sidan namnger sig själv, medan det speglade arbetet,
de delade sidorna och varje lista som generatorn bygger pekar på
huvudwebbplatsens kopia på samma sökväg. Standardläget går åt det
säkra hållet: allt pekar hem om inget annat sägs, och en sida som
förtjänar en egen identitet måste be om den i sin front matter, där
begäran syns. En ny sorts sida ärver därför det försiktiga svaret i
stället för att i tysthet utge sig för att vara ett original.

Värdet räknas ut i en enda mall och läses överallt där det
förekommer: av `rel="canonical"`, av `og:url` och `twitter:url`, och
av `@id` och `url` i sidans nod för strukturerad data.
Webbplatskartan och språkalternativen ställer samma fråga i ja-
eller nej-form och skrivs bara ut när den kanoniska adressen är
sidans egen, eftersom att be om att en adress ska indexeras och
samtidigt peka ut en annan som original är en motsägelse som en
sökrobot kan lösa genom att lita på ingen av dem. En kopia på en
fokuserad värd renderas ändå i sin helhet, och dess språkväljare
fungerar; det den håller inne är begäran om att bli indexerad,
aldrig innehållet. Markdown-tvillingen annonseras från HTML-sidan
med `rel="alternate"` och sin mediatyp, vilket HTML-standarden läser
som samma dokument i ett annat format och inte som en konkurrerande
sida.

Kontrollen av huvudwebbplatsens resultat kräver en absolut,
självrefererande kanonisk URL på vanliga HTML-sidor och kontrollerar
interna sidlänkar för saknade avslutande snedstreck. Fristående
dokument för andra värdar och det sociala kortet följer egna regler;
kontroller av de fokuserade värdarna verifierar skillnaden mellan
speglar och original.

Var det går fel

Sökresultaten visar en adress som ingen valde. En
spårningsparameter, en vilsen värd eller en spegel dyker upp som den
listade URL:en. Sidan deklarerar antingen ingen kanonisk URL, eller
deklarerar en medan dess post i webbplatskartan, `og:url` och de
interna länkarna namnger något annat, så sökmotorn väger blandade
signaler och väljer själv. Skriv ut en absolut kanonisk URL på varje
sida, också en självrefererande på originalet, och härled adresserna
i webbplatskartan, förhandsvisningen och den strukturerade datan
från samma värde.

Sida två i en serie faller ur indexet. Varje sida i en paginerad
lista eller en uppdelad artikel pekar ut sida ett som sin kanoniska
URL. Sida ett är varken en dubblett eller en övermängd av sida två,
så allt som bara finns på senare sidor kan behandlas som dubblett
och ignoreras, en risk som RFC 6596 varnar för uttryckligen. Låt
varje sida i en serie namnge sig själv, eller peka alla sidor mot en
enda visa-allt-sida som verkligen innehåller allt.

En dubblett som blockerats i robots.txt ligger kvar i sökresultaten,
eller så försvinner originalet med den. Att blockera en dubbletts
adress i robots.txt hindrar sökroboten från att läsa sidan, också
dess kanoniska länk, och Google påpekar att en blockerad URL ändå
kan indexeras utan sitt innehåll. Att märka dubbletter med `noindex`
tar bort dem helt ur sökningen i stället för att föra över det de
har förtjänat till originalet. Låt dubbletterna vara åtkomliga för
sökrobotar och låt en kanonisk URL eller en omdirigering sköta
sammanslagningen.

Den deklarerade kanoniska URL:en ignoreras. Målet omdirigerar
permanent någon annanstans, anger en annan adress som sin egen
kanoniska URL, svarar 404 eller konkurrerar med ett andra
canonical-element på samma sida; ett skript kan också skriva om
länken efter att HTML-koden har kommit fram. Vart och ett av dessa
fall gör utpekningen felaktig, och RFC 6596 låter en konsument falla
tillbaka på sitt eget omdöme. Peka på den slutliga adressen som
svarar 200, skriv ut ett enda element i huvudet på den HTML som
serveras, och låt inget skript ändra det efteråt.

Läs mer

  * RFC 6596: The Canonical Link Relation — registreringen, regeln
om dubblett eller övermängd och de utpekningar som ska undvikas.

  * HTML Standard: link type ”canonical” — hur HTML definierar
nyckelordet och var det får stå.

  * RFC 8288: Web Linking — HTTP-headern `Link`, som bär en kanonisk
URL för filer utan HTML-huvud.

  * Google Search Central: consolidate duplicate URLs — hur en
sökmotor väger omdirigeringar, kanoniska URL:er och webbplatskartor
mot varandra.

hDen här sidan på webben	URL:https://engineer.company/sv/glossary/canonical/	engineer.company	70
