Data terstruktur adalah informasi yang diorganisir dalam format yang dapat dibaca mesin dan dapat diprediksi, seperti spreadsheet, tabel basis data, atau objek JSON, berbeda dengan konten tidak terstruktur seperti teks bebas atau HTML mentah. Web scraping biasanya menyalin data yang dikumpulkan ke dalam basis data lokal atau spreadsheet pusat.
Data terstruktur juga merupakan istilah teknis untuk markup (seperti Schema.org tags) yang disematkan langsung di HTML situs web untuk membantu mesin pencari memahami konten halaman. Google mendefinisikannya sebagai format standar untuk memberikan informasi tentang sebuah halaman dan mengklasifikasikan kontennya.
Data Terstruktur vs. Semi-Terstruktur vs. Tidak Terstruktur
| Terstruktur | Semi-terstruktur | Tidak Terstruktur | |
|---|---|---|---|
| Bentuk | Bidang tetap, seperti baris dan kolom | Bidang berlabel yang dapat bervariasi dari catatan ke catatan | Tidak ada bidang yang telah ditentukan |
| Contoh | Tabel basis data, spreadsheet, file CSV | JSON, XML, HTML | Teks bebas, gambar, video |
| Cara Anda menanyakannya | Secara langsung, misalnya dengan SQL | Setelah parsing label | Setelah ekstraksi atau interpretasi |
Tugas seorang scraper biasanya adalah mengubah HTML semi-terstruktur dari sebuah halaman web menjadi baris terstruktur.
Markup Data Terstruktur untuk Pencarian
- Format: Google mendukung JSON-LD, Microdata, dan RDFa, dan merekomendasikan JSON-LD di mana pengaturan situs memungkinkan.
- Di mana ia berada: JSON-LD ditempatkan dalam tag
<script type="application/ld+json">, terpisah dari HTML yang terlihat. - Kosa kata: markup menggunakan tipe Schema.org, seperti
Product,Offer, danRecipe, dengan propertinya. - Hasil kaya: markup yang valid dapat membuat sebuah halaman memenuhi syarat untuk tampilan yang ditingkatkan di SERP, tetapi Google tidak menjamin bahwa mereka akan muncul.
Contoh produk minimal, diadaptasi dari dokumentasi daftar pedagang Google:
{
"@context": "https://schema.org/",
"@type": "Product",
"name": "Example Mug",
"offers": {
"@type": "Offer",
"price": 12.50,
"priceCurrency": "USD",
"availability": "https://schema.org/InStock"
}
}
Aturan Google untuk Markup
- Cocokkan halaman: data terstruktur harus merupakan representasi yang benar dari konten halaman.
- Tidak ada konten tersembunyi: jangan menandai konten yang tidak terlihat oleh pembaca halaman.
- Sanksi: tindakan manual data terstruktur menghapus kelayakan halaman untuk hasil kaya. Google mengatakan itu tidak mengubah peringkat halaman dalam pencarian web.
Hasil Kaya yang Telah Dihentikan Google
Google menghapus jenis hasil kaya seiring waktu, jadi markup yang pernah muncul dalam pencarian mungkin tidak lagi berfungsi:
- FAQ: berhenti muncul di Pencarian Google pada 7 Mei 2026.
- Masalah praktik: dokumentasi dihapus pada Januari 2026.
- Info kursus, estimasi gaji, video pembelajaran, pengumuman khusus, dan daftar kendaraan: dokumentasi dihapus pada September 2025.
JSON-LD Seringkali Data Terbersih di Halaman
Untuk scraper, blok JSON-LD sebuah halaman dapat menyimpan fakta yang sama dengan halaman yang terlihat dalam bidang berlabel, seperti price, priceCurrency, dan availability. Membacanya dengan parser JSON menghindari pemilih CSS yang rusak ketika tata letak halaman berubah. Karena Google mengharuskan markup untuk mewakili konten yang terlihat, situs yang ingin mendapatkan hasil kaya memiliki alasan untuk menjaga akurasinya. Namun, tetap periksa dengan halaman yang terlihat, karena tidak ada yang memaksa setiap situs untuk mengikuti aturan Google.
Apa Artinya untuk Web Scraping
- Cari JSON-LD terlebih dahulu: cari HTML untuk
application/ld+jsonsebelum menulis pemilih untuk halaman yang terlihat. - Periksa tipe: baca bidang hanya dari
@typeyang Anda butuhkan, sepertiProductatauOffer. - Simpan output sebagai baris terstruktur: simpan satu bidang per kolom, dengan unit dan mata uang di bidangnya sendiri.