元数据是描述其他数据的数据,例如网页的标题标签和 元描述,图像的时间戳和相机设置,或文档的作者和创建日期。搜索引擎还会在其结果页面上使用页面的元描述。
页面头部元素中的元数据不是可见页面文本的一部分,尽管其中一些,例如页面的标题标签,在浏览器标签中对访客可见。其他元数据,例如 Open Graph 标签或 HTTP 头,纯粹是为机器存在,根本不会出现在渲染的页面上。
元数据的类型
国家信息标准组织 (NISO) 将元数据分为三种主要类型:
- 描述性: 描述资源,以便人们可以找到并识别它。
- 结构性: 显示复合对象是如何组合在一起的,例如页面如何按章节排序。
- 管理性: 帮助管理资源,例如它何时被创建以及谁可以访问它。
常见的 HTML 元标签
<meta charset="utf-8">声明页面的字符编码。<meta name="viewport">向浏览器提供有关初始视口大小的提示。<meta name="robots" content="noindex, nofollow">请求爬虫不要索引页面或跟随其链接。只有合作的机器人会遵守。<link rel="canonical" href="...">在重复页面中命名首选 URL。谷歌将其视为强信号,而不是强制规则。- Open Graph 标签如
og:title和og:image使用property属性,并塑造社交网站如何预览链接。该协议要求og:title、og:type、og:image和og:url。
抓取时读取元数据
- 大多数页面级元数据位于
<head>:<title>、<meta>标签、规范链接和 Open Graph 标签。 - 结构化数据通常以 JSON-LD 形式出现,这是一个 JavaScript 表示法,位于
<script>标签内,位于<head>或<body>中。谷歌建议在网站设置允许的情况下使用 JSON-LD,而不是 Microdata 和 RDFa。 - 搜索结果并不是页面标签的可靠副本。谷歌会根据包含
<title>元素、<h1>标题和og:title的来源自动生成标题链接,并从页面内容构建摘要,仅在某些情况下使用元描述。