Strukturerede data

Hvad det er

På en kontaktside står der i en sætning, hvor kontoret ligger.
Strukturerede data siger det samme en gang til som en
`PostalAddress` med gade, postnummer og land, så et program, der
læser siden, slipper for at gætte, hvilket ord der er byen. Det er
praksissen at gentage det, en side fortæller i prosa, som typede
udsagn i et ordforråd, som udgivere og modtagere er enige om, så
søgemaskiner og andre programmer kan læse fakta uden at tolke
layoutet.

Ordforrådet er som regel schema.org, som Googles dokumentation
nævner som det, de fleste strukturerede data til dens søgning
bruger. Google, Microsoft, Yahoo og Yandex grundlagde det, og siden
april 2015 har en W3C-fællesskabsgruppe været dets vigtigste forum.
Det definerer typer som `Organization`, `Person`, `Service`,
`Review` og `DefinedTerm` og de egenskaber, hver type kan have, for
eksempel `name`, `address`, `author` og `price`.

Udsagnene kan skrives i tre syntakser. Microdata og RDFa sætter
attributter direkte på de synlige HTML-elementer. JSON-LD holder
udsagnene for sig, som en blok JSON i et `script`-element af typen
`application/ld+json`, og version 1.1 blev en W3C-anbefaling den 16.
juli 2020. Google godtager alle tre på lige fod og anbefaler JSON-LD
som den letteste at vedligeholde i stor skala.

```html
<script type="application/ld+json">
    {
        "@context": "https://schema.org",
        "@type": "Organization",
        "@id": "https://example.com/#organization",
        "name": "Example ApS",
        "url": "https://example.com/"
    }
</script>
```

Den vigtigste linje i blokken er `@id`. JSON-LD bruger den til at
identificere en knude, og en knude uden den er anonym, i
specifikationens sprog en blank node uden en dokumentuafhængig
identifikator. Identifikatorer for blanke knuder kan deles mellem
blokke i samme dokument. Med en identifikator, der kan bruges
globalt, kan enhver anden blok på enhver anden side skrive
`"publisher": {"@id": "https://example.com/#organization"}`, og det
kalder specifikationen en knudereference: en henvisning til noget,
der er beskrevet et andet sted, i stedet for en ny beskrivelse af
det. Det er identifikatorerne, der gør en samling spredte blokke til
én graf.

Nabobegrebet er metadata. Titlen, beskrivelsen og Open Graph-taggene
i sidens head beskriver siden som dokument, mens strukturerede data
beskriver de ting, siden handler om: virksomheden bag den, personen,
der skrev den, ydelsen, den tilbyder, eller ordet, den forklarer.

Hvorfor det betyder noget

Beslutningen er, hvor meget der skal siges, og det ærlige svar er
som regel mindre, end ordforrådet tillader, men til gengæld
fuldstændigt. Syntaksen forhindrer ingen udgiver i at udfylde hver
eneste egenskab, schema.org tilbyder. Googles egen vejledning peger
den anden vej: hellere færre anbefalede egenskaber, fuldstændige og
korrekte, end alle tænkelige med mangelfulde eller forkerte data, og
ingen markup af noget, læseren ikke kan se på siden, heller ikke når
det er sandt.

Grunden er, at hvert opmærket faktum er en kopi af noget, siden
allerede siger, og en kopi kan glide. En pris, der rettes i den
synlige tabel og glemmes i JSON'en, en bedømmelse, som kun maskiner
får at se, en adresse, der er tastet lidt forskelligt på hver side:
alle tre får siden til at sige én ting til mennesker og en anden til
programmer. Omkostningen ved strukturerede data ligger mindre i at
skrive dem end i at holde dem sande, så de nyttige spørgsmål er,
hvilke udsagn siden kan stå inde for, og om de kommer fra samme
kilde som den synlige tekst.

Gevinsten er læselighed. En søgemaskine eller en agent, der kan
samle hundrede omtaler til én virksomhed, ved mere end en, der læser
hundrede navne uden forbindelse. Sider, der følger retningslinjerne,
kan blive berettigede til rich results, visninger med ekstra
detaljer, men berettigelsen garanterer dem ikke. Det, der ændrer
sig, er, hvor godt en maskine forstår, hvad siden handler om.

Sådan ser det ud i praksis

Sitets kolofon lover kun at markere det, der er sandt og synligt, og
historien om dets strukturerede data viser, hvorfor den sætning
skulle skrives ned.

Før omlægningen i juli 2026 gentog 963 blokke virksomheden 1.671
gange uden en stabil identifikator, så en modtager havde intet
grundlag for at regne organisationen på én side for den samme som på
en anden. Grafen hviler nu på tre identifikatorer udstedt ud fra
sitets origin, én til organisationen, én til websitet og én til
grundlæggeren, og alle andre blokke henviser til dem med `@id` i
stedet for at beskrive dem igen. Identifikatorerne er de samme på
alle sprog: en kommentar i skabelonen forklarer, at en særskilt
dansk identifikator ville erklære en anden organisation med samme
CVR-nummer. Seksten typer var registreret i denne fase, og lister
nævnte deres elementer alene ved URL, for at skrive de 107 poster,
der dengang var på porteføljeoversigten, helt ud ville have gjort
den komprimerede side 52 % tungere.

Flere fakta læses fra samme kilde som den synlige side. Priserne på
ydelserne kommer fra den samme datafil som priserne på skærmen, så
en maskine og en læser får oplyst samme takst. Den periode, et
stykke arbejde dækker, kommer fra den partial, der skriver sætningen
om det. Brødkrummerne gengiver den sti, læseren ser, og
placeringerne i lister følger rækkefølgen på skærmen, aldrig en
rangordning, der kun udgives til maskiner. Sidens egen knude bruger
samme adresse som dens kanoniske link, så markuppen og head
fremsætter én påstand.

Afvisningerne er lige så bevidste som udsagnene. Virksomhedens egne
beskrivelser af sit arbejde er ikke markeret som anmeldelser, for
det ville opfinde en forfatter til dens egne ord. Skabelonen til
udtalelser bruger kun Review-noder for indlæg, der er offentliggjort
med samtykke, og tilføjer ingen bedømmelse. Hver side i ordlisten,
også denne, bærer en `DefinedTerm`, hvis beskrivelse er den korte
forklaring, der står i listen, så den definition, en maskine læser,
er den samme, som en læser ser.

Et tjek af det byggede site kræver, at hver blok kan parses, at hver
identifikator kan slås op, og at hver URL, grafen nævner, faktisk
blev bygget, så en graf, der peger på en side, som ikke findes, får
gaten til at fejle. Samme kolofon nævner Schema Markup Validator til
at læse dataene og Googles Rich Results Test til at se, hvad én
søgemaskine gør med dem.

Hvor det går galt

Rich results udebliver, selv om alle validatorer godkender
markuppen. Markuppen er gyldig JSON-LD og bruger rigtige
schema.org-typer, men siden vises fortsat som et almindeligt
resultat. Dataene beskriver ting, læseren ikke kan se, for eksempel
en bedømmelse, som aldrig blev givet, spørgsmål, der er skjult på
siden, eller en pris, der afviger fra den på skærmen, og Google
advarer om, at markup, der bryder retningslinjerne, kan gøre en side
uberettiget, hvor ren syntaksen end er. Markér kun det, siden viser,
og generér begge dele fra én kilde, så de ikke kan skilles ad.

Hundredvis af blokke beskriver én virksomhed, og intet binder dem
sammen. Hver side gentager organisationens navn, logo og adresse,
sommetider med små forskelle, og en rettelse betyder, at alle
forekomster skal findes. Knuderne er anonyme, eller hver side og
hvert sprog udsteder sin egen identifikator for den samme enhed. Giv
hver virkelig ting ét `@id` bygget af en stabil URL med et fragment,
beskriv den én gang, og henvis til den alle andre steder.

Én skabelonændring ødelægger markuppen på alle sider på én gang. Et
forvildet anførselstegn, et komma for meget eller en tom værdi gør
hver blok ugyldig, og modtagerne kan ikke bruge noget af den.
Googles vejledning advarer om, at skabeloner kan ødelægge markup
efter udrulning. JSON'en blev sat sammen som tekst med værdier
klistret ind mellem klammer, så et manglende felt efterlader en tom
streng eller en ødelagt struktur. Byg udsagnet som en datastruktur
og serialisér den, sådan som sitets skabeloner gør med Hugos
`jsonify`, udelad egenskaber uden værdi i stedet for at udsende dem
tomme, og pars hver blok i det byggede output.

Grafen nævner sider, der mangler. URL'er i markuppen fører til en
404, en staging-vært eller en spejlet kopi. Adresserne blev tastet i
hånden eller bygget efter en anden regel end linkene og den
kanoniske URL. Udled hver URL i markuppen fra den samme funktion,
der giver sidens kanoniske adresse, og tjek, at hver af dem blev
bygget.

Læs mere

  * schema.org — det fælles ordforråd af typer og egenskaber med en
side for hver type.

  * JSON-LD 1.1 — W3C-anbefalingen for syntaksen, herunder
knudeidentifikatorer og knudereferencer.

  * schema.org: DefinedTerm — den type, hver side i ordlisten bruger
til at beskrive det ord, den forklarer.

  * Google Search Central: introduction to structured data — de tre
syntakser, reglen om synlighed, og hvordan rich results testes.

  * Schema Markup Validator — læser enhver sides strukturerede data
op mod schema.org-ordforrådet.

hDenne side på nettet	URL:https://engineer.company/da/glossary/structured-data/	engineer.company	70
