構造化データとは、スプレッドシート、データベーステーブル、またはJSONオブジェクトのように、予測可能で機械可読な形式で整理された情報のことです。これは、自由形式のテキストや生のHTMLのような非構造化コンテンツとは対照的です。ウェブスクレイピングは通常、収集したデータを中央のローカルデータベースやスプレッドシートにコピーします。
構造化データは、ウェブサイトがHTMLに直接埋め込むマークアップ(Schema.orgタグのような)を指す技術用語でもあります。これにより、検索エンジンがページの内容を理解しやすくなります。Googleは、ページに関する情報を提供し、その内容を分類するための標準化された形式として定義しています。
構造化データと半構造化データと非構造化データの違い
| 構造化 | 半構造化 | 非構造化 | |
|---|---|---|---|
| 形状 | 行と列のような固定フィールド | レコードごとに異なるラベル付きフィールド | 事前定義されたフィールドなし |
| 例 | データベーステーブル、スプレッドシート、CSVファイル | JSON、XML、HTML | 自由テキスト、画像、動画 |
| クエリの方法 | 直接、例えばSQLを使用 | 解析した後にラベルを使用 | 抽出または解釈の後に |
スクレイパーの仕事は通常、ウェブページの半構造化HTMLを構造化された行に変換することです。
検索のための構造化データマークアップ
- 形式: GoogleはJSON-LD、Microdata、RDFaをサポートしており、サイトの設定が許可する場合はJSON-LDを推奨しています。
- 配置場所: JSON-LDは、可視のHTMLとは別の
<script type="application/ld+json">タグに配置されます。 - 語彙: マークアップは、
Product、Offer、RecipeなどのSchema.orgタイプを使用し、それらのプロパティを持ちます。 - リッチ結果: 有効なマークアップは、SERPでの強化表示の対象となる可能性がありますが、Googleは表示されることを保証していません。
Googleの商人リストのドキュメントから適応した最小限の製品例:
{
"@context": "https://schema.org/",
"@type": "Product",
"name": "Example Mug",
"offers": {
"@type": "Offer",
"price": 12.50,
"priceCurrency": "USD",
"availability": "https://schema.org/InStock"
}
}
マークアップに関するGoogleのルール
- ページに一致させる: 構造化データはページの内容を真実に表現する必要があります。
- 隠れたコンテンツは不可: ページの読者に見えないコンテンツをマークアップしないでください。
- ペナルティ: 構造化データの手動アクションは、ページのリッチ結果の対象を外します。Googleは、これがウェブ検索でのページのランキングを変更しないと述べています。
Googleが廃止したリッチ結果
Googleは時間とともにリッチ結果のタイプを廃止するため、以前は検索に表示されていたマークアップがもはや機能しない場合があります:
- FAQ: 2026年5月7日にGoogle検索に表示されなくなりました。
- 練習問題: 2026年1月にドキュメントが削除されました。
- コース情報、推定給与、学習動画、特別発表、車両リスト: 2025年9月にドキュメントが削除されました。
JSON-LDはページ上で最もクリーンなデータであることが多い
スクレイパーにとって、ページのJSON-LDブロックは、製品のprice、priceCurrency、availabilityなどのラベル付きフィールドに同じ事実を保持できます。JSONパーサーを使用して読み取ることで、ページレイアウトが変更されたときに壊れるCSSセレクターを避けることができます。Googleはマークアップが可視のコンテンツを表すことを要求しているため、リッチ結果を望むサイトは正確に保つ理由があります。それでも、すべてのサイトがGoogleのルールに従うことを強制するものはないため、可視のページと照らし合わせて確認してください。
ウェブスクレイピングにとっての意味
- 最初にJSON-LDを探す: 可視のページのセレクターを書く前に、HTML内で
application/ld+jsonを検索します。 - タイプを確認する: 必要な
@typeからのみフィールドを読み取ります。例えば、ProductやOfferなどです。 - 出力を構造化された行として保存する: 各列に1つのフィールドを保持し、単位や通貨はそれぞれのフィールドに入れます。