メタデータとは、ウェブページのタイトルタグやメタディスクリプション、画像のタイムスタンプやカメラ設定、または文書の著者や作成日など、他のデータを説明するデータのことです。検索エンジンは、結果ページでページのメタディスクリプションも使用します。
ページのヘッド要素内のメタデータは、可視のページテキストの一部ではありませんが、ページのタイトルタグのように、ブラウザタブで訪問者に表示されるものもあります。他のメタデータ、例えばOpen GraphタグやHTTPヘッダーは、純粋に機械のために存在し、レンダリングされたページには一切表示されません。
メタデータの種類
国立情報標準機構(NISO)は、メタデータを3つの主要なタイプに分類しています:
- 記述的メタデータ: リソースを説明し、人々がそれを見つけて特定できるようにします。
- 構造的メタデータ: 複合オブジェクトがどのように構成されているかを示します。例えば、ページが章にどのように順序付けられているかなどです。
- 管理的メタデータ: リソースを管理するのに役立ちます。例えば、いつ作成されたか、誰がアクセスできるかなどです。
一般的なHTMLメタタグ
<meta charset="utf-8">はページの文字エンコーディングを宣言します。<meta name="viewport">はブラウザに初期ビューポートサイズに関するヒントを与えます。<meta name="robots" content="noindex, nofollow">はクローラーにページをインデックスしないように、またはそのリンクをたどらないように依頼します。協力的なボットのみがこれに従います。<link rel="canonical" href="...">は重複ページの中で好ましいURLを指定します。Googleはこれを強いシグナルとして扱い、拘束力のあるルールとは見なしていません。og:titleやog:imageのようなOpen Graphタグは、property属性を使用し、ソーシャルサイトがリンクをプレビューする方法を形作ります。このプロトコルでは、og:title、og:type、og:image、およびog:urlが必要です。
スクレイピング時のメタデータの読み取り
- ページレベルのメタデータのほとんどは、
<head>にあります:<title>、<meta>タグ、カノニカルリンク、およびOpen Graphタグです。 - 構造化データは、通常、JSON-LDとして提供され、
<script>タグ内のJavaScript表記です。<head>または<body>にあります。Googleは、サイトの設定が許す場合、JSON-LDをMicrodataやRDFaよりも推奨しています。 - 検索結果はページのタグの信頼できるコピーではありません。Googleは、
<title>要素、<h1>見出し、およびog:titleから自動的にタイトルリンクを生成し、ページコンテンツからスニペットを構築し、メタディスクリプションは時々のみ使用します。