canonicalisering

Canonicalisering er processen med at konvertere data til en standard eller kanonisk form, således at ækvivalente data får en entydig repræsentation. Formålet er at lette sammenligning, lagring og udnyttelse af data på tværs af systemer, hvor forskellige indgangsformer ellers ville udløse duplikering, konflikt eller uklarhed.

Et væsentligt område er XML-canonicalisering, ofte kaldet XML Canonicalization (C14N). Her fremstilles et XML-dokument i en entydig, deterministisk form, der gør det muligt at generere en form, som kan anvendes ved digitale signaturer. Reglerne fastlægger blandt andet hvordan attributter sorteres, hvordan navnerum håndteres, hvordan kommentarer behandles, og hvordan ikke-signifikante forskelle i whitespace bliver neutraliseret.

I webmiljøet spiller canonicalisering en central rolle i håndteringen af duplikatindhold. Ved hjælp af kanoniske URL’er eller rel="canonical" links og/eller 301-redirects angives en foretrukken adresse. Søgemaskiner forsøger at indeksere den kanoniske version og undgår dermed at splitte rangeringer mellem forskellige, men ækvivalente url’er. Canonicalisering kan også omfatte normalisering af URL’er, f.eks. ensretning af case og fjernelse af unødvendige segments.

I andre sammenhænge bruges canonicalisering til at få ensartede repræsentationer af data til integration og matchning. Eksempler inkluderer konvertering af datoer, adresser eller telefonnumre til et entydigt, maskinlæsbart format. Omkostninger og udfordringer ligger i at definere passende kanoniske regler og at håndtere tilfælde, hvor flere repræsentationer af samme begreb kan være semantisk forskellige.