Ang structured data ay impormasyon na nakaayos sa isang predictable, machine-readable na format, tulad ng spreadsheet, database table, o JSON object, kumpara sa unstructured content tulad ng free-form text o raw HTML. Karaniwang kinokopya ng web scraping ang nakuhang data sa isang central local database o spreadsheet.
Ang structured data ay isang teknikal na termino para sa markup (tulad ng Schema.org tags) na direktang isinama ng mga website sa kanilang HTML upang matulungan ang mga search engine na maunawaan ang nilalaman ng pahina. Ipinapahayag ito ng Google bilang isang standardized na format para sa pagbibigay ng impormasyon tungkol sa isang pahina at pag-uuri ng nilalaman nito.
Structured vs. Semi-Structured vs. Unstructured Data
| Structured | Semi-structured | Unstructured | |
|---|---|---|---|
| Shape | Fixed fields, tulad ng rows at columns | Labeled fields na maaaring mag-iba mula sa record hanggang record | Walang predefined fields |
| Examples | Database tables, spreadsheets, CSV files | JSON, XML, HTML | Free text, images, video |
| How you query it | Direkta, halimbawa gamit ang SQL | Pagkatapos parsing ng mga labels | Pagkatapos ng extraction o interpretation |
Ang trabaho ng isang scraper ay karaniwang gawing structured rows ang semi-structured HTML ng isang web page.
Structured Data Markup para sa Search
- Formats: Sinusuportahan ng Google ang JSON-LD, Microdata at RDFa, at inirerekomenda ang JSON-LD kung saan pinapayagan ng setup ng site.
- Saan ito napupunta: Ang JSON-LD ay napupunta sa isang
<script type="application/ld+json">tag, hiwalay mula sa nakikitang HTML. - Vocabulary: ang markup ay gumagamit ng Schema.org types, tulad ng
Product,OfferatRecipe, kasama ang kanilang mga properties. - Rich results: ang valid markup ay maaaring gawing eligible ang isang pahina para sa enhanced displays sa SERP, ngunit hindi ginagarantiyahan ng Google na ito ay ipapakita.
Isang minimal na halimbawa ng produkto, na inangkop mula sa dokumentasyon ng merchant listing ng Google:
{
"@context": "https://schema.org/",
"@type": "Product",
"name": "Example Mug",
"offers": {
"@type": "Offer",
"price": 12.50,
"priceCurrency": "USD",
"availability": "https://schema.org/InStock"
}
}
Mga Patakaran ng Google para sa Markup
- Tugma sa pahina: ang structured data ay dapat tunay na representasyon ng nilalaman ng pahina.
- Walang nakatagong nilalaman: huwag markahan ang nilalaman na hindi nakikita ng mga mambabasa ng pahina.
- Parusa: ang structured data manual action ay nag-aalis ng eligibility ng isang pahina para sa rich results. Sinasabi ng Google na hindi nito binabago ang ranking ng pahina sa web search.
Mga Rich Results na Tinanggal ng Google
Unti-unting inaalis ng Google ang mga uri ng rich result, kaya ang markup na dati nang lumabas sa search ay maaaring hindi na gumana:
- FAQ: tumigil na sa paglitaw sa Google Search noong Mayo 7, 2026.
- Practice problems: tinanggal ang dokumentasyon noong Enero 2026.
- Course info, estimated salary, learning video, special announcement at vehicle listing: tinanggal ang dokumentasyon noong Setyembre 2025.
JSON-LD Kadalasang Pinakamalinis na Data sa isang Pahina
Para sa mga scrapers, ang JSON-LD block ng isang pahina ay maaaring maglaman ng parehong impormasyon tulad ng nakikitang pahina sa mga labeled fields, tulad ng price, priceCurrency at availability. Ang pagbabasa nito gamit ang JSON parser ay iniiwasan ang mga CSS selectors na nasisira kapag nagbago ang layout ng pahina. Dahil kinakailangan ng Google na ang markup ay kumatawan sa nakikitang nilalaman, ang mga site na nais ng rich results ay may dahilan upang panatilihing tumpak ito. Gayunpaman, suriin ito laban sa nakikitang pahina, dahil walang pumipilit sa bawat site na sundin ang mga patakaran ng Google.
Ano ang Kahulugan Nito para sa Web Scraping
- Hanapin ang JSON-LD muna: hanapin ang HTML para sa
application/ld+jsonbago magsulat ng selectors para sa nakikitang pahina. - Suriin ang uri: basahin lamang ang mga fields mula sa
@typena kailangan mo, tulad ngProductoOffer. - I-imbak ang output bilang structured rows: panatilihin ang isang field bawat column, na may mga units at currencies sa kanilang sariling mga fields.