Dvanásť URL pre jeden článok

Každý príspevok na tomto blogu žije na dvanástich adresách. Jedenásť má jazykový prefix — /en/blog/…, /de/blog/… a deväť ďalších — a dvanásta nemá vôbec žiadny prefix. Tá číta hlavičku Accept-Language prehliadača a odpovedá v tom z jedenástich jazykov, ktorý rozpozná.

Počas 27. a 28. augusta prehľadávacie roboty načítali z tohto webu 1 609 blogových stránok. Čitatelia načítali 628.

Čo si stránky už navzájom hovoria

Všetkých dvanásť hovorí v hlavičke tie isté tri veci a dnes som všetky tri overil namiesto dôvery v kód.

Kanonický odkaz každej stránky smeruje na ňu samu. Jedenásť riadkov hreflang uvádza súrodenecké jazykové verzie a dvanásty uvádza adresu bez prefixu ako x-default, pretože táto adresa nepatrí jedinému jazyku. Adresa bez prefixu odpovedá s Vary: Accept-Language, Accept-Encoding, takže čokoľvek pred ňou používajúce vyrovnávaciu pamäť vie, že telo závisí od hlavičky požiadavky.

Vyjednávanie funguje. Vyžiadanie tej istej URL s Accept-Language: de vráti stránku označenú lang="de", s ja japonskú a s kódom, ktorý nikto nepoužíva, anglickú. Dvanásť požiadaviek striedajúcich štyri jazyky vrátilo štyri správne telá trikrát za sebou, takže vyrovnávacia pamäť stránok je kľúčovaná podľa jazyka, nie iba podľa cesty.

To vyžaduje špecifikácia: úplnú, vzájomnú skupinu, kde každý člen uvádza seba a všetkých súrodencov. Toto usporiadanie umožňuje vyhľadávaču považovať dvanásť adries za jeden článok v dvanástich jazykoch namiesto dvanástich navzájom súťažiacich článkov.

Nikoho to neprinúti načítavať menej

Ani to neznižuje načítavanie a prístupový protokol to hovorí bez veľkého priestoru na interpretáciu.

ClaudeBot poslal 396 blogových požiadaviek na 36 príspevkov — presne 11,0 jazykových verzií na každý, každý jazyk, zakaždým. bingbot mal priemer 8,7 pri 37 príspevkoch, PetalBot 6,0, Applebot 4,3. SemrushBot dosiahol 1,8. Googlebot poslal 72 požiadaviek na 42 príspevkov, priemer 1,5 jazykovej verzie na príspevok, a ako jediný zo šiestich sa správa, akoby sa k nemu anotácia dostala.

Všetky prehľadávacie roboty spolu navštívili 73 zo 76 príspevkov aspoň raz a 68 z nich vo viac než jednom jazyku. Priemer bol 7,84 jazykovej verzie na príspevok z jedenástich.

Nič z toho nie je porušením. hreflang je náznak vzťahov medzi stránkami určený časti vyhľadávača, ktorá rozhoduje, ktorý výsledok zobrazí. Nie je to pokyn časti rozhodujúcej o sťahovaní. Prehľadávací robot, ktorý nevidel /uk/blog/… nikdy predtým, nemôže vedieť, že ide o preklad, kým ho nenačíta a neprečíta hlavičku — anotácia môže účinkovať až po požiadavke, ktorú mohla ušetriť.

Čo to stojí

Menej, než naznačuje predchádzajúci odsek. Pridajte prehľad blogu a stránky značiek k 1 609 stránkam príspevkov a prehľadávacie roboty poslali pod /blog 1 689 požiadaviek: 0,5 percenta z 373 019 požiadaviek, na ktoré tento virtuálny hostiteľ odpovedal za dva dni, a 19,9 MB zo 4 363 MB, ktoré odoslal. Blogová stránka sa vráti približne za desatinu sekundy, takže celé jedenásťnásobné prehľadávanie stojí niekde okolo osemdesiatich sekúnd času procesora denne.

Mapa webu stojí o trochu viac, než som čakal. Uvádza 3 136 adries s 13 248 pripojenými anotáciami alternatívnych jazykov: 1,85 MB XML, 35 KB po kompresii. Znovu sa vytvára najviac raz za šesť hodín, preto sa v nej príspevok zverejnený o desať minút po jednej popoludní objaví úplný až o niekoľko hodín, nie hneď.

Nič v týchto číslach nestojí za zmenu. Jedinou pákou na zníženie načítavania by bolo nemať adresy a práve o adresy ide.

Čitatelia a prehľadávacie roboty chcú rôzne veci

Tie isté dva dni rozdelené podľa jazykov ukazujú dva dosť odlišné návyky.

Prehľadávacie roboty sa rozkladajú takmer rovnomerne: na každú z jedenástich verzií s prefixom pripadlo medzi 5,5 a 10,5 percenta ich blogových požiadaviek plus 16 percent na verziu bez prefixu. Tak vyzerá niečo prechádzajúce zoznam.

Čitatelia sa nerozkladajú rovnomerne. Na adresu bez prefixu smerovalo 38 percent ich požiadaviek a ďalších 18 percent na /en/, takže viac než polovica prišla buď v angličtine, alebo cez vyjednávanie. Zvyšok sa delí medzi desať jazykov, najväčší podiel má nemčina so 7 percentami, najmenší francúzština s 2 percentami.

Týchto zostávajúcich 44 percent je celým dôvodom existencie jazykových ciest. Je to zároveň dosť málo na ľahké argumentovanie proti nim — čo je tá istá chyba ako prečítať stĺpec prehľadávacích robotov a usúdiť, že stránky sú obľúbené.

Čo sa dá zovšeobecniť

Správny náznak nie je pokyn. Všetko v hlavičke týchto stránok je správne, vzájomné a overiteľné a päť zo šiestich prehľadávacích robotov načítava, akoby tam nič z toho nebolo. Špecifikácia opisuje význam anotácie, nie správanie ktoréhokoľvek konkrétneho programu, ktorý ju uvidí.

Užitočná otázka teda nikdy nebola, či je značkovanie správne. Bola to otázka, koľkokrát každý načítavajúci nástroj naozaj príde, na čo môže odpovedať iba protokol — a po odpovedi je poctivým záverom, že jedenásťnásobné prehľadávanie stojí pol percenta a malo by sa ponechať tak.