Skip to content

[SEO T1.4] Statut HTTP et indexation des URLs /talks/?… - #2466

Draft
xavierleune wants to merge 1 commit into
masterfrom
seo/t1.4-facettes-talks
Draft

xavierleune wants to merge 1 commit into
masterfrom
seo/t1.4-facettes-talks

Conversation

@xavierleune

Copy link
Copy Markdown
Member

Contexte

Google indexe 1 568 URLs de facettes /talks/?…. 813 facettes speaker affichent « Aucune conférence » (soft 404). Les recherches, pages et combinaisons de filtres générées par instantsearch sont elles aussi indexables. Les facettes speaker peuplées se classent bien sur les noms : on les garde indexables jusqu'à T2.2.

Changements

  • TalkRepository::PUBLISHED_TALK_CONDITION : critère SQL d'un talk publié, équivalent de « créneau terminé » + Talk::isDisplayedOnHistory() (plannifie = 1, genre ni TYPE_CLINIC ni TYPE_SPEAKER_INTRODUCTIONS, planning.fin <= maintenant). Les constantes du modèle sont reprises dans la chaîne.
  • TalkRepository::hasPublishedTalkForEventTitle() : SELECT 1 … LIMIT 1 ciblé sur le titre exact. L'événement est celui du créneau de planning, comme dans l'indexation Algolia (Indexation\Talks\Runner).
  • SpeakerRepository::hasPublishedTalkForLabel() : la requête ne porte que sur le libellé demandé, pas sur la liste complète des talks. Le libellé est normalisé (trim, espaces multiples), comme en T1.2. Le SQL fait un pré-filtre compatible MySQL 5.7 (pas de REGEXP_REPLACE) : prénom + nom sans espaces, tabulations ni retours à la ligne, comparés en majuscules, avec un EXISTS sur un talk publié. La comparaison finale se fait en PHP avec Speaker::getLabel() normalisé, pour rester fidèle aux libellés indexés dans Algolia.
  • AppBundle\Event\Talk\TalkListQuery : lit les paramètres d'URL de l'urlSync d'instantsearch v1. Méthodes :
    • getFacetValues() ;
    • isIndexable() : indexable seulement si aucune recherche (q vide), p ≤ 0 (p commence à 0 dans instantsearch), au plus une valeur de facette dans fR, uniquement speakers.label ou event.title, et aucun autre paramètre d'état Algolia : hPP, idx, is_v, dFR, nR, fE, hFR, tR. Les paramètres étrangers à Algolia (utm_*…) ne changent rien.
  • ListAction :
    • 404 si une valeur fR[speakers.label] ou fR[event.title] n'a aucun talk publié ;
    • noindex passé au template ;
    • fR est lu sans $request->query->all('fR'), qui levait une BadRequestException (400) quand fR n'était pas un tableau.
  • list.html.twig : <meta name="robots" content="noindex, follow"> si non indexable. La canonical ne change pas.
  • phpstan-baseline.php : retrait des 3 entrées de ListAction.php devenues inutiles, sans quoi PHPStan échoue (ignore.unmatched).

Paramètres instantsearch vérifiés

Toutes les refinementList de htdocs/js/talk/list.js sont en operator: 'and' et les toggle passent aussi par fR. Cette page n'écrit donc que q, p, hPP, idx, fR et is_v. dFR (le dfR du ticket), nR, fE, hFR et tR sont les autres clés courtes de l'état algoliasearch-helper suivies par l'urlSync (attribute:*). Elles n'apparaissent que sur des URLs construites à la main ou anciennes, et sont traitées en noindex.

Tests

  • tests/behat/features/PublicSite/Talks.feature :
    • 404 : facette speaker sans talk publié (John DOE) ; speaker inconnu (Un Speaker) ; événement sans talk publié (AFUP Day Lyon, sessions non planifiées) ; événement inconnu (AFUP Day 2019 Lyon).
    • Noindex, un exemple par cas dans un Scenario Outline, canonical vérifiée à chaque fois : q, p=1, hPP, idx, is_v, dFR, nR, fE, hFR, tR, autre facette fR[has_video], URL complète instantsearch (q=&hPP=7&idx=afup_talks&p=0&fR…), deux facettes différentes, deux valeurs de la même facette.
    • Indexable, sans balise robots : /talks/ nu, /talks/?p=0, facette événement forum, facette speaker Geoffrey BACHELET, et la même avec des espaces superflus (%20Geoffrey%20%20%20BACHELET%20).
    • Les scénarios existants utilisaient AFUP Day 2019 Lyon et Un Speaker, absents des données de test (ils passaient parce que la page répondait toujours 200). Ils utilisent maintenant forum et Geoffrey BACHELET. Le cas /talks/?p=1 passe en noindex, comme le demande le ticket.
  • tests/unit/AppBundle/Event/Talk/TalkListQueryTest.php : 24 cas pour isIndexable() et getFacetValues().
  • Preuve du rouge :
    • avec ListAction.php et list.html.twig de master, 18 scénarios sur 23 échouent : les 4 cas 404 (« status code is 200, but 404 expected ») et les 14 cas noindex. Les 5 restants décrivent le comportement indexable actuel ;
    • avec une normalisation des libellés neutralisée, le scénario « espaces superflus » échoue (404 au lieu de 200) ;
    • avec isIndexable() qui renvoie toujours true, 16 tests unitaires échouent ;
    • tout repasse au vert une fois le code restauré.

Points d'attention

  • Critère « publié » : identique au getPublishedTalks() de T1.3 (fin <= maintenant et isDisplayedOnHistory()), donc les facettes en 200 correspondent à celles du sitemap de T1.2. L'index Algolia utilise debut <= maintenant : pendant un créneau en cours, la facette d'un speaker qui n'a que ce talk répond 404 quelques dizaines de minutes. date_publication n'est pas pris en compte, comme dans isDisplayedOnHistory() et Algolia.
  • Libellés speaker : la comparaison tolère les espaces mais respecte la casse, comme les valeurs de facette Algolia. La canonical reprend le libellé tel que reçu (ticket : « canonical inchangée ») ; une variante avec espaces superflus reste donc indexable avec sa propre canonical.
  • Titres d'événement : comparaison exacte, sans tolérance d'espaces, qui n'était demandée que pour les speakers.
  • Performance : pour un libellé speaker, le pré-filtre parcourt afup_conferenciers (quelques milliers de lignes, sans index utilisable), puis fait un EXISTS indexé. Pour un événement : une jointure filtrée sur le titre, LIMIT 1. Les requêtes ne partent que si une facette est présente dans l'URL.
  • URLs instantsearch : celles de la forme ?q=&hPP=7&idx=afup_talks&p=0&fR[...] passent en noindex malgré une canonical vers la facette propre, comme le demande le ticket (idx…).
  • Conflits probables :
    • T1.3 (TalkRepository, ajouts à des endroits différents) ;
    • T1.2 (helper normalizeLabel dupliqué dans SitemapXmlSubscriber, à mutualiser au merge si on le souhaite) ;
    • T1.5 et T2.3, qui remplaceront ces facettes par des 301 et réutiliseront les vérifications 404.

🤖 Generated with Claude Code

Google indexe plus de 1 500 variantes de /talks/?…, dont plus de 800
facettes speaker vides (soft 404).

Une facette speaker ou événement sans aucun talk publié (créneau terminé,
talk planifié, ni clinique ni présentation des speakers, comme
Talk::isDisplayedOnHistory()) répond désormais 404. La vérification se
fait par une requête ciblée par libellé, tolérante aux variations
d'espaces pour les speakers.

Toute recherche, page ≥ 1, combinaison de facettes ou autre paramètre
d'état Algolia (hPP, idx, is_v, dFR, nR, fE, hFR, tR) porte une balise
robots « noindex, follow » ; la canonical ne change pas. /talks/ et une
facette unique peuplée restent indexables.
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

1 participant