संरचित डेटा वह जानकारी है जो एक पूर्वानुमानित, मशीन-पठनीय प्रारूप में व्यवस्थित होती है, जैसे कि स्प्रेडशीट, डेटाबेस तालिका, या JSON ऑब्जेक्ट, इसके विपरीत असंरचित सामग्री जैसे कि फ्री-फॉर्म टेक्स्ट या कच्चा HTML। वेब स्क्रैपिंग आमतौर पर एक केंद्रीय स्थानीय डेटाबेस या स्प्रेडशीट में एकत्रित डेटा की नकल करती है।
संरचित डेटा एक तकनीकी शब्द भी है जो मार्कअप (जैसे Schema.org टैग) के लिए है जिसे वेबसाइटें सीधे अपने HTML में एम्बेड करती हैं ताकि सर्च इंजन पृष्ठ की सामग्री को समझ सकें। गूगल इसे एक मानकीकृत प्रारूप के रूप में परिभाषित करता है जो एक पृष्ठ के बारे में जानकारी प्रदान करता है और इसकी सामग्री को वर्गीकृत करता है।
संरचित बनाम अर्ध-संरचित बनाम असंरचित डेटा
| संरचित | अर्ध-संरचित | असंरचित | |
|---|---|---|---|
| आकार | निश्चित फ़ील्ड, जैसे पंक्तियाँ और कॉलम | लेबल वाले फ़ील्ड जो रिकॉर्ड से रिकॉर्ड में भिन्न हो सकते हैं | कोई पूर्वनिर्धारित फ़ील्ड नहीं |
| उदाहरण | डेटाबेस तालिकाएँ, स्प्रेडशीट, CSV फ़ाइलें | JSON, XML, HTML | फ्री टेक्स्ट, चित्र, वीडियो |
| आप इसे कैसे क्वेरी करते हैं | सीधे, उदाहरण के लिए SQL के साथ | लेबल को पार्सिंग के बाद | निष्कर्षण या व्याख्या के बाद |
एक स्क्रैपर का काम आमतौर पर एक वेब पृष्ठ के अर्ध-संरचित HTML को संरचित पंक्तियों में बदलना होता है।
खोज के लिए संरचित डेटा मार्कअप
- प्रारूप: गूगल JSON-LD, माइक्रोडाटा और RDFa का समर्थन करता है, और जहां साइट की सेटअप अनुमति देती है, वहां JSON-LD की सिफारिश करता है।
- यह कहाँ जाता है: JSON-LD एक
<script type="application/ld+json">टैग में जाता है, जो दृश्य HTML से अलग होता है। - शब्दावली: मार्कअप Schema.org प्रकारों का उपयोग करता है, जैसे
Product,OfferऔरRecipe, उनके गुणों के साथ। - समृद्ध परिणाम: मान्य मार्कअप एक पृष्ठ को SERP पर संवर्धित प्रदर्शन के लिए पात्र बना सकता है, लेकिन गूगल यह सुनिश्चित नहीं करता कि वे प्रदर्शित होंगे।
गूगल के व्यापारी सूचीकरण दस्तावेज़ीकरण से अनुकूलित एक न्यूनतम उत्पाद उदाहरण:
{
"@context": "https://schema.org/",
"@type": "Product",
"name": "Example Mug",
"offers": {
"@type": "Offer",
"price": 12.50,
"priceCurrency": "USD",
"availability": "https://schema.org/InStock"
}
}
मार्कअप के लिए गूगल के नियम
- पृष्ठ से मेल खाएं: संरचित डेटा को पृष्ठ की सामग्री का सच्चा प्रतिनिधित्व होना चाहिए।
- कोई छिपी सामग्री नहीं: ऐसी सामग्री को मार्कअप न करें जो पृष्ठ के पाठकों के लिए दृश्य नहीं है।
- दंड: एक संरचित डेटा मैनुअल क्रिया एक पृष्ठ की समृद्ध परिणामों के लिए पात्रता को हटा देती है। गूगल कहता है कि यह वेब खोज में पृष्ठ की रैंकिंग को नहीं बदलता है।
गूगल द्वारा रिटायर किए गए समृद्ध परिणाम
गूगल समय के साथ समृद्ध परिणाम प्रकारों को हटा देता है, इसलिए मार्कअप जो पहले खोज में दिखाई देता था, अब वहाँ कुछ नहीं कर सकता:
- FAQ: 7 मई 2026 को गूगल सर्च में दिखाई देना बंद कर दिया।
- प्रैक्टिस समस्याएँ: जनवरी 2026 में दस्तावेज़ हटाए गए।
- कोर्स जानकारी, अनुमानित वेतन, सीखने का वीडियो, विशेष घोषणा और वाहन सूची: सितंबर 2025 में दस्तावेज़ हटाए गए।
JSON-LD अक्सर एक पृष्ठ पर सबसे साफ डेटा होता है
स्क्रैपर्स के लिए, एक पृष्ठ का JSON-LD ब्लॉक दृश्य पृष्ठ में लेबल वाले फ़ील्ड में समान तथ्य रख सकता है, जैसे कि उत्पाद का price, priceCurrency और availability। इसे JSON पार्सर के साथ पढ़ना CSS चयनकर्ताओं से बचाता है जो पृष्ठ लेआउट बदलने पर टूट जाते हैं। चूंकि गूगल को मार्कअप की आवश्यकता होती है कि यह दृश्य सामग्री का प्रतिनिधित्व करे, इसलिए जो साइटें समृद्ध परिणाम चाहती हैं उनके पास इसे सटीक रखने का कारण होता है। फिर भी, इसे दृश्य पृष्ठ के खिलाफ जांचें, क्योंकि कुछ भी हर साइट को गूगल के नियमों का पालन करने के लिए मजबूर नहीं करता है।
वेब स्क्रैपिंग के लिए इसका क्या मतलब है
- पहले JSON-LD देखें: दृश्य पृष्ठ के लिए चयनकर्ता लिखने से पहले HTML में
application/ld+jsonकी खोज करें। - प्रकार की जांच करें: केवल
@typeसे फ़ील्ड पढ़ें, जैसेProductयाOffer। - आउटपुट को संरचित पंक्तियों के रूप में स्टोर करें: प्रत्येक कॉलम में एक फ़ील्ड रखें, जिसमें इकाइयाँ और मुद्राएँ अपने स्वयं के फ़ील्ड में हों।