规范化及其重要性
据说网络上25%–30% 的内容是重复的，这意味着内容与另一段现有内容非常相似。对于像谷歌这样的搜索引擎，提供所有重复的内容对用户来说并不是特别有用。
这就是为什么搜索引擎会选择两个（或更多）版本之一显示在搜索结果中。规范化可以帮助您告诉搜索引擎哪个版本是原始版本，这可以帮助您最重要的页面获得更好的排名并提高抓取预算。
在管理网站时，规范化是您将网页或 URL 声明为内容的原始（或规范）版本的过程。
它允许您告诉搜索引擎哪个版本的内容是最权威的，任何规范化的内容都只是该内容的另一个版本。这使得规范化成为您网站管理和内容策略的重要组成部分。
如果没有规范化，您将无法控制搜索引擎选择在相关搜索结果中显示哪个 URL。将规范标签添加到 URL 后，实际上是在告诉搜索引擎这是内容的原始版本，应该出现在搜索结果中。搜索引擎可以选择忽略这个规范标签，但一般来说，规范化被认为是管理重复内容的有效方式。
让我们用一个工作示例来解释这一点：您正在浏览一个电子商务网站，希望购买一些鞋子。要在您想要的价格范围内找到鞋子，您可以使用排序选项首先显示最昂贵的鞋子。当您这样做时，您会注意到页面的 URL 发生了变化。之前是 https://example.com/shoes，但现在是 https://example.com/shoes?price=high。
是和以前一样的页面，还是不同的页面？你可能会说这是同一个页面——顶部关于鞋子的文本块保持不变，页眉和页脚相同，页面侧面的过滤选项相同。该页面甚至可能显示相同的鞋子，只是顺序不同。
但是，对于 Google 和其他搜索引擎来说，这是一个不同的页面，因为 URL 不同。因此，该网站现在有两个内容相同的不同页面——或者，正如 SEO 中所说的那样，“重复 内容”。
这给网站所有者带来了问题。谷歌不想在其搜索结果中同时显示这两个页面，因为它对搜索者来说价值不大，所以它只会选择一个。但是，如果网站所有者想要“price=high”页面而 Google 选择了另一个页面，或者反之亦然？
这是来自同一商业网站的两个不同类别页面。两者都是按价格排序的，只是一个是从低到高，一个是从高到低。规范化是一种告诉 Google 选择每个页面的哪个版本的方法。
输入规范化，这是一个非常简单的概念的宏大词。如果您有重复内容，这是一种告诉搜索引擎哪个页面是您的主要或“规范”版本的方式。谷歌还使用了“最具代表性”这个词。网站可能具有重复内容的原因有很多，我们将在本文后面介绍最常见的原因。
重复的内容并不一定意味着相同的页面：“列表页面的排序或过滤的微小变化不会使页面独一无二，”谷歌说- 就像我们的鞋子搜索结果示例一样。这是谷歌用来描述重复的一些其他短语内容：
· “非常相似”
· “大致相同”
· “相似的内容”
你可能会问，“‘非常相似’有多相似？” 好吧，这在 SEO 圈子里有争议，所以请使用你最好的判断。但是，如果您将规范标签应用于搜索引擎认为不相似的 URL（更多内容见下文），它们可能会忽略该标签。
指定规范页面有几种不同的方法，但最常见的方法是添加一块称为“规范标签”的元数据。规范标签如下所示：
规范标签可以指向同一网站或不同网站上的任何 URL。如果它指向不同的网站，则称为“跨域规范标签”。但是，在大多数情况下，它将指向当前 URL，表明当前 URL 是——你猜对了——是规范的。这被称为自引用规范标签，因为页面引用自身。
无论标记指向何处，Google 都表示 URL 应包含域名。换句话说，它应该类似于https://mysite.com/page而不仅仅是/page。
尽管 Google 对规范标签有强烈的意见，但有时仍会忽略它们。例如，如果规范标记指向内容明显不同的页面，或者如果页面加载速度太慢以致于 Google 无法对其编制索引，则可能会发生这种情况。
虽然从技术角度来看规范化很简单，但并不总是很清楚为什么或何时应该这样做。让我们看看这两个考虑因素。
现在，我们知道规范 URL 对像 Google 这样的搜索引擎很重要。但是，搜索引擎不仅仅使用它们来决定将哪些页面编入索引并显示在搜索结果中——它们还使用它们来决定抓取（访问）页面的频率。
这意味着规范化可以帮助您优化抓取预算（搜索引擎机器人在给定时间段内在给定网站上抓取和索引的页面数量）。如果您的网站有数千个页面（例如电子商务网站），Google 可能需要很长时间才能抓取所有页面。您当然不希望 Google 将您的抓取预算浪费在许多具有相同内容的页面上，并可能遗漏其他重要页面。
通过使用 canonical 标签，您可以告诉搜索引擎哪些页面是重复的，这样它就不会经常抓取这些页面。这意味着规范化可以让 Googlebot 腾出时间来抓取您的其他页面，从而更快地查找新内容并将其编入索引。
这还不是全部：规范化实际上可以帮助您的网页在 Google 搜索中排名更高。虽然谷歌使用的确切算法是一个秘密，但我们知道它受到许多不同因素的影响。这些因素包括（但不限于）您网页的内容、您的网页是否对用户友好，以及它在移动设备上的加载速度。链接尤为重要：来自信誉良好的网站的所谓“入站”链接（也称为反向链接）告诉 Google 您的网页也是高质量的。
但是，如果您有重复的内容，则页面的不同版本可能具有不同的入站链接。例如，第一个版本可能有五个来自不同站点的链接，而另一个版本可能只有两个。如果您运行使用特殊 URL 来帮助跟踪的营销活动，有时会发生这种情况。例如，您可以使用如下所示的 URL 运行电子邮件通讯活动：
https://www.mysite.com?utm_source=newsletter&utm_medium=email&utm_campaign=christmas
问号后的 URL 部分称为“URL 参数”，在这种情况下，它们只是用来帮助进行活动跟踪和报告。但是，其他网站可能会链接到这个特殊的活动 URL，而不仅仅是链接到https://www.mysite.com。因此，好处会在页面的不同版本中被稀释。
规范化通过整合这些链接的优势来帮助您解决这个问题。通过适当的规范化，您希望出现在搜索结果中的版本受益于指向该页面所有版本的所有链接。这可能会提高该页面在搜索引擎中的排名。
规范化在许多不同的情况下都很有用，但并非所有情况都是显而易见的。下面是一些常见的场景。
首先，每当您在多个站点上发布相同的内容时，请考虑规范化。虽然这似乎只有大型出版商才会这样做，但令人惊讶的是，小型和本地企业也经常发生这种情况。
例如，一位整骨医生写了一篇关于背痛常见原因的有用文章，并将其发布在他们诊所的网站上。然后，他们在城镇另一边开设了一家新诊所，并专门为第二个地点建立了一个新网站。这篇文章也与这里相关，因此他们也在第二个站点上发布了它。
在这种情况下，最好建议整骨医生将他们选择的一个版本规范化，而不是依赖谷歌为他们做出选择。（当然，在理想情况下，每个站点都应该有自己独特的内容。）
另一个类似的场景是联合。如果您经营博客，您可能已选择在第三方网站上联合发布您的内容。这通常是使用RSS 提要完成的，并且是接触新的或更多受众的有效方式。
您可能希望要求您的联合合作伙伴为任何重新发布的帖子添加规范标签，将您的原始博客文章指定为规范版本。您肯定希望在原件上包含一个自我引用的规范标签。否则，您可能会发现联合版本是 Google 决定编入索引的版本，而您的原始博客文章根本不会出现在搜索结果中。
联合副本的规范化也有助于谷歌新闻中的原始内容：“允许其他人重新发布内容的出版商可以通过要求重新发布的人阻止或使用规范来帮助确保他们的原始版本在谷歌新闻中表现更好。”
但是，即使有规范标签，联合副本在搜索结果中的排名也可能超过您的原件。根据 Google 的 John Mueller 的说法，如果“该页面周围有很多其他完全不同的内容”，则更有可能发生这种情况。
只要网站具有参数化 URL，规范化也很重要。许多网站将参数用于：
· 营销活动，例如我们上面的圣诞节电子邮件示例
· 搜索过滤器，正如我们在鞋子结果页面示例中看到的
· 对博客等内容进行关键字搜索
不管是什么原因，参数都会创建一个新的 URL。这些版本应该有一个指向原始版本的规范标签（并且原始版本应该有一个自我引用的规范标签）。
您可能已经注意到，有些网址包含“www”，有些则不包含。同样，有些以斜杠 (/) 结尾，有些则没有。而且，有些是安全的（从 https 开始），有些则不是（从 http 开始）。在最坏的情况下，这三个因素会为我们提供相同 URL 的八个不同版本：
· https://www.mysite.com
· https://www.mysite.com/
· https://mysite.com
· https://mysite.com/
· http://www.mysite.com
· http://www.mysite.com/
· http://mysite.com
· http://mysite.com/
在理想情况下，其中七个变体应自动将用户重定向到第八个。（有许多不同类型的重定向，但这里最合适的一种是永久性301 重定向。）但是，如果重定向没有到位，规范标记可以减轻这些不同 URL 变体引起的问题。
使用规范标签来管理重复项
如果使用得当，规范标签可以让您向 Google 和其他搜索引擎展示每个页面的一个规范版本。确保将它们与上述最佳实践一起使用，以便搜索引擎和最终用户登陆正确的页面。
