Deklarovaný jazyk stránky neodpovídá obsahu

Nález vznikne v jediném, schválně nejužším případě: stránka deklaruje <html lang> s platným kódem jiným než cs, ale její text obsahuje českou diakritiku. Report uvede deklarovaný i odhadnutý jazyk.

Proč jen čeština, když nálezy umíme v devíti jazycích? Protože odhad jazyka z textu spolehlivě zvládneme jen u ní: diakritika je jednoznačný podpis. U ostatních jazyků by rozšiřování srovnání přineslo hlavně příležitosti hádat špatně, a nález, který občas obviní správně nastavenou stránku, je horší než nález, který mlčí.

Jazyk ale neměříme, odhadujeme ho statistickou analýzou textu. Spočítáme, jaký podíl všech písmen na stránce tvoří znaky č ď ě ň ř š ť ů ž, tedy ty, které kromě češtiny a slovenštiny nemá žádný z devíti jazyků, ve kterých umíme nález napsat. Když je jich aspoň tři a zároveň tvoří 2,5 % a víc všech písmen, prohlásíme text za český. Práh i seznam znaků žijí v apps/worker/src/rules/language.ts.

Práh je z měření, ne od stolu. Skutečně české stránky mají hustotu těch znaků 4,43–4,57 %, cizojazyčné stránky, které jen nesou české jméno, adresu nebo název firmy, 0,09–1,39 %. Mezi tím je široká mezera a 2,5 % leží uprostřed s rezervou na obě strany. Dřívější práh 1 % ji nerozděloval: česká adresa v patičce anglické stránky vyšla na 1,39 % a stránka se označila za českou: přesně ten falešný nález, kvůli kterému se práh 12. 9. 2026 posunul.

Statistika se splést může a my to říkáme nahlas. Falešný nález vznikne tam, kde je českých znaků nepoměrně moc k délce textu: krátká cizojazyčná stránka s českým názvem firmy v každém nadpisu. Opačně nález nevznikne u českého textu psaného bez diakritiky.

Proto existuje volitelný krok „Ověření jazyka modelem“. Zapnete-li ho, jazyk u sporných stránek posoudí jazykový model: text přečte, místo aby počítal znaky. Ptáme se ho jen tam, kde má odpověď co změnit: na stránkách, kde by nález vznikl, na stránkách s hustotou v pásmu 1–4 % (tam se obě skupiny z měření překrývají) a na malém vzorku stránek bez českého signálu.

Výsledek se projeví ještě před vznikem nálezu, ne dodatečnou opravou: potvrdí-li model rozpor, nález vznikne; vyvrátí-li odhad, nález se neobjeví vůbec. Selže-li model, platí statistika a nález se chová jako bez toho kroku. A jen s ověřením umí tahle kontrola najít rozpor mimo češtinu: třeba německou stránku deklarovanou jako francouzská, kterou statistika nevidí.

Co kontrola nedělá:

• Nepozná německou stránku deklarovanou jako francouzskou ani žádnou jinou dvojici bez češtiny.
• Nespustí se na stránce bez lang: bez platného kódu není co porovnávat. To je SEO-14.
• Nepozná obrácený případ: českou deklaraci na anglickém textu.
• Nevidí vnořené jazykové pasáže. Česká citace uvnitř anglického článku může nález vyvolat, i když je stránka v pořádku.

Nález je na úrovni stránky, závažnost varování.

Na viditelnost v odpovědích AI doložený vliv nemáme. A pro vyhledávání je to slabší, než se čeká; Google to má ve vlastní dokumentaci:

Google k určení jazyka stránky používá její viditelný obsah. Nepoužíváme žádné informace o jazyce na úrovni kódu, jako jsou atributy lang nebo URL.Google Search Central, vícejazyčné weby

Špatná deklarace tedy Google nejspíš nesplete; jazyk si přečte z textu.

Koho ale splete spolehlivě, je čtečka obrazovky. Ta atribut lang bere doslova a podle něj volí hlasový model. Česká věta přečtená anglickou výslovností je pro nevidomého uživatele nesrozumitelná: to není nepohodlí, to je bariéra. Je to kritérium WCAG a je to nejtvrdší důvod, který tenhle nález má.

Druhý dopad je na prohlížeč: podle lang volí dělení slov a nabídku překladu. Česká stránka označená jako anglická bude návštěvníkům nabízet překlad do češtiny. Z češtiny.

Praktický závěr: opravte to, je to jeden atribut. Ale důvod je u lidí, ne u vyhledávačů, a my vám nebudeme tvrdit opak.

Nejdřív si ověřte, který případ máte. Nález má dvě zcela různé příčiny a druhá je vážnější:

1. Špatně nastavená šablona. Web je český, ale šablona nese lang="en" z původního vzoru. Oprava je jednořádková a vyřeší celý web.
2. Vícejazyčný web se sdílenou šablonou. Anglická verze má správně lang="en", jenže část obsahu na ní zůstala česky: nepřeložený článek, nepřeložená patička, nepřeložené názvy produktů. Tady je vada v obsahu, ne v atributu, a přepsáním lang ji zakryjete místo abyste ji opravili.

<html lang="cs">

• Čeština je cs, ne cz.
• Každá jazyková verze má svůj lang: generujte ho z téhož zdroje, ze kterého se rozhoduje o jazyce obsahu, ne napevno v šabloně.
• Cizojazyčnou pasáž uvnitř stránky označte zvlášť přes lang na obalujícím prvku. Čtečka podle toho přepne výslovnost a nález zmizí správně, ne obchvatem.

<p>Google to formuluje takto: <span lang="en">There are no additional requirements.</span></p>