Canonical — это атрибут языка HTML, который помогает поисковому роботу выбрать нужную из множества похожих страниц, чтобы показать ее в выдаче. Основная цель его применения — помочь seo-специалистам решить проблему дублирования контента.
Например, на сайтах крупных интернет-магазинов, где существует множество товара, отличающегося только цветом или размером, появляются страницы с похожим контентом, но разными URL-адресами. Поисковый робот может это принять за дубли или копии основной страницы. За это позиции сайта в выдаче могут опуститься на несколько пунктов.
Чтобы этого избежать, в 2009 году Google разработал атрибут canonical. Он показывает, что перед роботом не копия основной страницы, а её другая версия.
Каноническая страница — это основной URL. Чтобы бот понял, какую страницу он повторяет, атрибут rel = "canonical" добавляют на страницы-дубли, и в нем указывают адрес канонической страницы.
Канонический URL (основной) и тег «canonical» прописываются в коде страниц. Этот тег помогает поисковому роботу найти основной адрес, когда он натыкается на другую (неканоническую) версию страницы. Он указывает, что перед ним не главная версия, и показывать ее в результатах поиска не надо. А канонический URL — это дорога к основной странице, которую нужно отразить в поиске.
Но работает это не всегда. Иногда в выдачу попадает неканоническая страница. Это может произойти, если она становится более релевантной запросу и ее контент существенно отличается от исходной (канонической) версии в тот момент, когда робот проводит сканирование.
Третье — это использование canonical в случаях, когда одинаковый контент доступен по разным адресам:
Тег canonical — это элемент иерархического языка гиперссылок HTML.
Пример записи:
<link rel="canonical" href="https://siteactiv.ru">
Использование атрибута canonical в случаях, когда одинаковый контент доступен по разным URL, может помочь оптимизировать работу вашего сайта, и повысить его позиции в выдаче поисковых систем.
Нажимая кнопку вы даете информированное
согласие на обработку своих персональных данных