Strukturierte Daten sind Informationen, die in einem vorhersehbaren, maschinenlesbaren Format organisiert sind, wie z. B. in einer Tabelle, einer Datenbank oder einem JSON-Objekt, im Gegensatz zu unstrukturierten Inhalten wie freiem Text oder rohem HTML. Web-Scraping kopiert typischerweise die gesammelten Daten in eine zentrale lokale Datenbank oder Tabelle.
Strukturierte Daten sind auch ein technischer Begriff für Markup (wie Schema.org-Tags), das Websites direkt in ihr HTML einbetten, um Suchmaschinen zu helfen, den Seiteninhalt zu verstehen. Google definiert es als ein standardisiertes Format zur Bereitstellung von Informationen über eine Seite und zur Klassifizierung ihres Inhalts.
Strukturierte vs. semi-strukturierte vs. unstrukturierte Daten
| Strukturiert | Semi-strukturiert | Unstrukturiert | |
|---|---|---|---|
| Form | Feste Felder, wie Zeilen und Spalten | Beschriftete Felder, die von Datensatz zu Datensatz variieren können | Keine vordefinierten Felder |
| Beispiele | Datenbanktabellen, Tabellenkalkulationen, CSV-Dateien | JSON, XML, HTML | Freitext, Bilder, Video |
| Abfrageweise | Direkt, zum Beispiel mit SQL | Nach Parsing der Beschriftungen | Nach Extraktion oder Interpretation |
Die Aufgabe eines Scrapers besteht normalerweise darin, das semi-strukturierte HTML einer Webseite in strukturierte Zeilen umzuwandeln.
Strukturierte Daten-Markup für die Suche
- Formate: Google unterstützt JSON-LD, Microdata und RDFa und empfiehlt JSON-LD, wo die Einrichtung einer Website dies zulässt.
- Wo es hingehört: JSON-LD gehört in ein
<script type="application/ld+json">-Tag, getrennt vom sichtbaren HTML. - Wortschatz: Das Markup verwendet Schema.org-Typen, wie
Product,OfferundRecipe, mit ihren Eigenschaften. - Reiche Ergebnisse: Gültiges Markup kann eine Seite für verbesserte Anzeigen in den SERP qualifizieren, aber Google garantiert nicht, dass sie angezeigt werden.
Ein minimales Produktbeispiel, abgeleitet von Googles Dokumentation zur Händlerauflistung:
{
"@context": "https://schema.org/",
"@type": "Product",
"name": "Example Mug",
"offers": {
"@type": "Offer",
"price": 12.50,
"priceCurrency": "USD",
"availability": "https://schema.org/InStock"
}
}
Googles Regeln für Markup
- Entspricht der Seite: Strukturierte Daten müssen eine wahre Darstellung des Seiteninhalts sein.
- Kein versteckter Inhalt: Markieren Sie keinen Inhalt, der für die Leser der Seite nicht sichtbar ist.
- Strafe: Eine manuelle Maßnahme für strukturierte Daten entfernt die Berechtigung einer Seite für reiche Ergebnisse. Google sagt, dass dies das Ranking der Seite in der Websuche nicht ändert.
Reiche Ergebnisse, die Google eingestellt hat
Google entfernt im Laufe der Zeit Typen reicher Ergebnisse, sodass Markup, das einmal in der Suche angezeigt wurde, möglicherweise nicht mehr dort funktioniert:
- FAQ: hörte am 7. Mai 2026 auf, in der Google-Suche zu erscheinen.
- Übungsprobleme: Dokumentation im Januar 2026 entfernt.
- Kursinformationen, geschätztes Gehalt, Lernvideo, spezielle Ankündigung und Fahrzeugauflistung: Dokumentation im September 2025 entfernt.
JSON-LD ist oft die sauberste Daten auf einer Seite
Für Scraper kann der JSON-LD-Block einer Seite dieselben Fakten wie die sichtbare Seite in beschrifteten Feldern enthalten, wie z. B. das price, priceCurrency und availability eines Produkts. Das Lesen mit einem JSON-Parser vermeidet CSS-Selektoren, die brechen, wenn sich das Seitenlayout ändert. Da Google verlangt, dass Markup den sichtbaren Inhalt darstellt, haben Websites, die reiche Ergebnisse wünschen, einen Grund, es genau zu halten. Überprüfen Sie es dennoch gegen die sichtbare Seite, da nichts jede Website zwingt, Googles Regeln zu folgen.
Was es für Web-Scraping bedeutet
- Suchen Sie zuerst nach JSON-LD: Durchsuchen Sie das HTML nach
application/ld+json, bevor Sie Selektoren für die sichtbare Seite schreiben. - Überprüfen Sie den Typ: Lesen Sie Felder nur aus dem
@type, den Sie benötigen, wieProductoderOffer. - Speichern Sie die Ausgabe als strukturierte Zeilen: Halten Sie ein Feld pro Spalte, mit Einheiten und Währungen in ihren eigenen Feldern.