Descarregar sites que utilizam hreflang

Sobre hreflang

hreflang não é um produto, um fornecedor ou uma biblioteca, mas um atributo que uma página acrescenta a um elemento link para declarar que outro URL traz o mesmo conteúdo para outra língua ou região. Ninguém o licencia e ninguém lhe dá suporte. Um motor de busca lê-o e decide que versão de uma página mostrar a quem pesquisa em Lyon em vez de em Leeds.

Como a marcação só existe onde existem alternativas, a presença é um sinal de negócio vestido de técnica. Um site anota alternativas depois de alguém ter traduzido o conteúdo, de alguém ter decidido que mercados merecem um URL próprio e de alguém ter mantido o mapeamento atualizado à medida que as páginas foram acrescentadas e retiradas. Os sites que fazem isso têm uma operação internacional com orçamento por trás. Os sites que vendem para o estrangeiro a partir de uma única página em inglês nunca aparecem aqui de todo, e é exatamente isso que faz desta coluna um qualificador e não uma descrição.

Em outubro de 2026 vemos a anotação em 2 146 126 sites, 1 042 041 deles nos Estados Unidos, numa mistura de domínios onde .com está fortemente representado. O país, nesta linha em concreto, é quase o eixo errado, e lê-lo de forma ingénua induz em erro. Um retalhista alemão que vende para França e para a Polónia é registado como um site alemão. O que distingue as linhas aqui não é onde o site está registado, mas quantas alternativas declara e que idiomas e regiões nomeia.

Os motores de busca respeitam a convenção desde 2011, e ela continua teimosamente difícil de implementar bem. As referências de retorno têm de ser recíprocas. Os códigos de região são confundidos com códigos de língua. As etiquetas canónicas contradizem as alternativas que as acompanham, e um único erro retira em silêncio a página errada do mercado errado sem qualquer mensagem de erro em lado nenhum. As agências construíram produtos de auditoria inteiros a partir destes modos de falha, o que mostra bem quão comuns essas falhas são.

A nossa deteção lê o que conseguimos ler, e a falha é sistemática e não aleatória. A anotação é igualmente válida nos cabeçalhos de resposta HTTP e nos mapas de site XML, e nenhuma destas colocações aparece na marcação da página. Os grandes parques multilingues são precisamente aqueles que empurram o mapeamento para os mapas de site, porque pôr uma longa lista de alternativas no head de cada página é uma carga que ninguém quer servir. A contagem deve ser tratada como um limite inferior dos sites internacionalizados e não como um censo deles, e os sites que nela faltam tendem para o lado maior.

As agências de localização, as plataformas de tradução e os fornecedores de pagamentos transfronteiriços querem a mesma qualificação a partir do ficheiro: potenciais clientes que já se comprometeram a vender em mais do que uma língua, um sinal de compra muito mais forte do que a dimensão da empresa. Os fornecedores de ferramentas na categoria SEO querem a ponta oposta da escala de qualidade, os sites cujas alternativas estão declaradas suficientemente mal para justificar uma auditoria. Os investigadores de comércio usam o atributo como indicador aproximado e barato de entrada real num mercado, porque publicar uma alternativa mantida para um país é um compromisso mais pesado do que traduzir uma página de destino.

Para um domínio concreto, uma extensão de navegador resolve a questão em segundos. As perguntas sobre a população não se decompõem dessa maneira. Que fatia de um setor de retalho nacional tem sequer alguma localização, que pares de idiomas e regiões aparecem juntos, se um mercado ganhou ou perdeu cobertura depois de uma migração de plataforma, que sistemas de gestão de conteúdos geram a anotação automaticamente e quais a deixam para trabalho manual: cada uma destas perguntas precisa do conjunto inteiro de uma vez. O ficheiro descarregável traz esse conjunto com o país, o sufixo e a plataforma detetada na mesma linha, para que o alcance internacional possa ser cruzado com a pilha que o produziu.