Dữ liệu có cấu trúc là thông tin được tổ chức theo định dạng có thể đọc được bởi máy móc, như bảng tính, bảng cơ sở dữ liệu hoặc đối tượng JSON, trái ngược với nội dung không có cấu trúc như văn bản tự do hoặc HTML thô. Web scraping thường sao chép dữ liệu thu thập được vào một cơ sở dữ liệu hoặc bảng tính trung tâm.

Dữ liệu có cấu trúc cũng là một thuật ngữ kỹ thuật cho đánh dấu (như Schema.org tags) mà các trang web nhúng trực tiếp vào HTML của họ để giúp các công cụ tìm kiếm hiểu nội dung trang. Google định nghĩa nó là một định dạng tiêu chuẩn để cung cấp thông tin về một trang và phân loại nội dung của nó.

Dữ liệu có cấu trúc so với dữ liệu bán cấu trúc và không có cấu trúc

Có cấu trúcBán cấu trúcKhông có cấu trúc
Hình dạngCác trường cố định, chẳng hạn như hàng và cộtCác trường được gán nhãn có thể thay đổi từ bản ghi này sang bản ghi khácKhông có trường được định nghĩa trước
Ví dụBảng cơ sở dữ liệu, bảng tính, tệp CSVJSON, XML, HTMLVăn bản tự do, hình ảnh, video
Cách truy vấnTrực tiếp, ví dụ với SQLSau khi phân tích các nhãnSau khi trích xuất hoặc diễn giải

Công việc của một trình thu thập dữ liệu thường là biến HTML bán cấu trúc của một trang web thành các hàng có cấu trúc.

Đánh dấu dữ liệu có cấu trúc cho tìm kiếm

  • Định dạng: Google hỗ trợ JSON-LD, Microdata và RDFa, và khuyến nghị sử dụng JSON-LD khi cấu trúc của trang cho phép.
  • Nơi nó đi: JSON-LD đi vào thẻ <script type="application/ld+json">, tách biệt với HTML hiển thị.
  • Từ vựng: đánh dấu sử dụng các loại Schema.org, chẳng hạn như Product, Offer và Recipe, với các thuộc tính của chúng.
  • Kết quả phong phú: đánh dấu hợp lệ có thể làm cho một trang đủ điều kiện cho các hiển thị nâng cao trên SERP, nhưng Google không đảm bảo rằng chúng sẽ hiển thị.

Một ví dụ sản phẩm tối thiểu, được điều chỉnh từ tài liệu danh sách thương nhân của Google:

{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "Example Mug",
  "offers": {
    "@type": "Offer",
    "price": 12.50,
    "priceCurrency": "USD",
    "availability": "https://schema.org/InStock"
  }
}

Quy tắc của Google cho Đánh dấu

  • Khớp với trang: dữ liệu có cấu trúc phải là một đại diện chính xác của nội dung trang.
  • Không có nội dung ẩn: không đánh dấu nội dung không hiển thị cho người đọc của trang.
  • Hình phạt: một hành động thủ công đối với dữ liệu có cấu trúc sẽ loại bỏ khả năng của một trang cho các kết quả phong phú. Google cho biết điều này không thay đổi thứ hạng của trang trong tìm kiếm web.

Kết quả phong phú mà Google đã ngừng hỗ trợ

Google loại bỏ các loại kết quả phong phú theo thời gian, vì vậy đánh dấu mà trước đây hiển thị trong tìm kiếm có thể không còn hoạt động:

  • FAQ: ngừng xuất hiện trong Tìm kiếm của Google vào ngày 7 tháng 5 năm 2026.
  • Vấn đề thực hành: tài liệu đã bị xóa vào tháng 1 năm 2026.
  • Thông tin khóa học, lương ước tính, video học tập, thông báo đặc biệt và danh sách phương tiện: tài liệu đã bị xóa vào tháng 9 năm 2025.

JSON-LD Thường Là Dữ Liệu Sạch Nhất Trên Một Trang

Đối với các trình thu thập dữ liệu, khối JSON-LD của một trang có thể chứa cùng một thông tin như trang hiển thị trong các trường được gán nhãn, chẳng hạn như price, priceCurrency và availability. Đọc nó bằng một trình phân tích JSON tránh các bộ chọn CSS bị hỏng khi bố cục trang thay đổi. Bởi vì Google yêu cầu đánh dấu phải đại diện cho nội dung hiển thị, các trang web muốn có kết quả phong phú có lý do để giữ cho nó chính xác. Tuy nhiên, hãy kiểm tra nó với trang hiển thị, vì không có gì ép buộc mọi trang web phải tuân theo quy tắc của Google.

Điều này có nghĩa là gì đối với Web Scraping

  • Tìm kiếm JSON-LD trước: tìm kiếm HTML cho application/ld+json trước khi viết các bộ chọn cho trang hiển thị.
  • Kiểm tra loại: chỉ đọc các trường từ @type mà bạn cần, chẳng hạn như Product hoặc Offer.
  • Lưu đầu ra dưới dạng các hàng có cấu trúc: giữ một trường cho mỗi cột, với đơn vị và tiền tệ trong các trường riêng.

Các thuật ngữ liên quan