# Metadatos

## Qué es

Los metadatos son datos que describen otros datos: el título, fecha, idioma,
autor, formato y tamaño que acompañan a un documento para que personas y
programas puedan ordenarlo, confiar en él y actuar antes de leerlo. En
estándares antiguos aparece la grafía inglesa meta-data, con guion; en el uso
diario reciben nombres más concretos: campos de cabecera en HTTP, propiedades de
un archivo ofimático, etiquetas de una foto o front matter al principio de una
página Markdown.

Una división habitual distingue tres tipos. Los metadatos descriptivos indican
de qué trata algo: título, creador, tema, resumen. Los estructurales explican
cómo encajan sus partes: capítulos, páginas, orden de lectura. Los
administrativos indican de dónde procede y qué puede hacerse con ello: cuándo se
creó y modificó, quién lo hizo, con qué licencia y en qué formato. Dublin Core,
quince elementos que se convirtieron en el estándar ISO 15836 en 2003, es la
lista compartida de campos descriptivos más conocida; su título, creador, fecha,
idioma y derechos reaparecen con otros nombres en casi todos los formatos
posteriores.

Una página web lleva metadatos en varias capas. Primero llega la respuesta HTTP.
RFC 9110 dice que un campo de cabecera «podría modificar o ampliar la semántica
del mensaje, describir al remitente, definir el contenido o proporcionar
contexto adicional»; `Content-Type`, `Content-Language` y `Last-Modified`
describen la página antes de que llegue un solo byte de ella. Dentro del HTML
están `<title>`, el atributo `lang` y elementos `<meta>` cuyos nombres define el
estándar HTML, como `description`, `author` y `generator`. Sobre ellos hay
vocabularios que leen terceros: propiedades Open Graph para las vistas previas
de enlaces y datos estructurados para buscadores y asistentes.

¿Qué separa entonces los metadatos de los datos? Más el lector que los bytes. Un
registro de catálogo aporta metadatos sobre un libro y constituye el conjunto de
datos completo para el catálogo; la hora de captura de una foto es un detalle
para quien la mira y materia prima para quien cartografía dónde se toman las
fotos. La distinción entre metadatos y datos estructurados es más concreta: los
datos estructurados son metadatos escritos con un vocabulario compartido, para
que un programa lea un campo sin adivinar qué significa.

## Por qué importa

Cada campo es una pequeña promesa; lo decisivo es de dónde obtiene su valor: de
una persona que lo escribe, del historial de versiones, de una columna de base
de datos o de lo que diga el sistema de archivos. Los programas actúan según
esas promesas sin comprobarlas. Esa es la utilidad de los metadatos y también su
riesgo.

Las cachés y los rastreadores distribuyen su trabajo en función de ellos. Un
navegador que conserva una copia devuelve la fecha `Last-Modified` que recibió;
si nada ha cambiado, obtiene un breve `304 Not Modified` en lugar de otra copia
de la página. RFC 9110 pide al servidor enviar esa fecha para toda
representación cuya última modificación «pueda determinarse de forma razonable y
coherente». La condición funciona en ambos sentidos: si no existe una fecha
coherente, el estándar no la pide. La fecha de modificación de un mapa del sitio
cumple la misma función para un rastreador que decide qué volver a descargar.

También dependen de ellos las personas y las tecnologías de asistencia. El
atributo `lang` indica al lector de pantalla qué reglas de pronunciación
aplicar; el título aparece en pestañas, marcadores y resultados de búsqueda. Los
derechos viajan del mismo modo: un gestor de paquetes solo conoce la licencia de
una dependencia porque esta la declara; una revisión de licencias basada en esa
lista tiene exactamente la calidad de las declaraciones que la sustentan.

Cada campo debe seguir siendo cierto: una página con cuarenta campos tiene
cuarenta ocasiones de equivocarse. Algunos no los lee nadie; el estándar HTML
señala que muchos buscadores no consideran `keywords` porque se usó para
manipular los resultados. Los metadatos también revelan información: la posición
de una foto o el historial de revisiones de un documento pueden contar más que
su contenido. Suele ser mejor tener menos campos, cada uno alimentado por un
origen que no pueda desajustarse, que muchos.

## Cómo se aplica en la práctica

Los metadatos aparecen en tres proyectos de este sitio, cada vez en un tipo de
archivo distinto: un mapa del sitio, un conjunto de PDF y un grafo de
dependencias.

El mapa de un sitio tomaba las fechas de última modificación de los metadatos
equivocados:
[172 de sus 176 páginas acabaron compartiendo un instante](/es/portfolio/fixed-a-sitemap-with-one-shared-timestamp/).
Eran las marcas de tiempo de modificación de los archivos, metadatos sobre los
bytes en lugar del contenido, y cada exportación de contenido volvía a
escribirlas todas. La corrección recorre una cadena de alternativas: primero un
campo explícito, después el historial de commits y, por último, el archivo.
También documenta una trampa: el nombre literal del campo debe aparecer en la
lista o el generador nunca lo lee. Los registros que sustentan las páginas
conservan ahora el día de redacción y revisión de cada entrada separado de los
años en que se realizó el trabajo; una fecha desconocida queda vacía, según la
regla de que «una cifra precisa pero incorrecta es peor que su ausencia». En la etapa de implementación documentada, una
nueva sincronización tras un mes de cambios modificaba 8 archivos de 186.

En la etapa de validación documentada, [nueve documentos PDF generados y evaluados contra el estándar de accesibilidad](/es/portfolio/reached-pdf-ua-1-conformance-at-106-of-106/) superaron las 106 reglas configuradas del perfil de accesibilidad. El trabajo incluyó un idioma declarado y un título real en los metadatos, además de estructura etiquetada, texto alternativo y un orden de lectura explícito. En esa ejecución documentada, los mismos documentos incumplieron exactamente una regla de las 146 del perfil de archivo. La página lo describe como un resultado cercano, con la regla fallida identificada, porque 145 reglas superadas no equivalen a conformidad.

Al
[comprobar las licencias de 644 crates de Rust en cada compilación](/es/portfolio/know-the-licence-of-everything-you-ship/),
el límite declarado de la auditoría era un límite de los metadatos. Lee la
licencia que declara cada crate; las declaraciones pueden ser incorrectas o
incompletas y la comprobación no demuestra nada sobre un crate que se describa
mal. Se provocó su fallo dos veces, lo que demuestra que la comprobación
funciona; nada que haga una comprobación puede demostrar que las declaraciones
que lee sean honestas.

## Dónde surgen los problemas

Los fallos siguientes comparten una característica: se superan todas las
comprobaciones que no los busquen.

**Todas las páginas informan de un cambio después de cada despliegue.** Un
servidor que envía la marca de tiempo de modificación de un archivo estático
como `Last-Modified`, o un generador que fecha así el mapa del sitio, anuncia
cuándo se copió el archivo. Obtener una copia del repositorio, exportar o
construir un contenedor los copia todos. Las cachés vuelven a validar todo y los
rastreadores no aprenden nada. Obtenga las fechas del historial de versiones o
de un campo escrito por una persona y deje ausente una fecha desconocida. En
Hugo se recorren los orígenes de una lista en orden; el nombre del propio campo
debe figurar en ella:

```toml
enableGitInfo = true

[frontmatter]
date = ["date", ":git", ":fileModTime"]
lastmod = ["lastmod", ":git", ":fileModTime"]
```

**El título o la vista previa de un enlace muestra caracteres dañados.** La
codificación de caracteres es un metadato que describe todos los demás bytes; si
el analizador encuentra texto antes de la declaración, debe adivinar. El
estándar HTML exige que el elemento que la declara quepa por completo en los
primeros 1.024 bytes; colocarlo primero en `<head>` elimina la necesidad de
adivinar. En este sitio, URL Inspection de Bing leyó una vez el título y las dos
cadenas Open Graph como Latin-1 porque una raya del título aparecía antes de la
declaración de codificación. La cabecera HTTP también indicaba UTF-8, pero una
herramienta que lea los bytes sin cabecera solo dispone de la página. La
declaración es ahora el primer elemento y una comprobación confirma ese orden en
cada página compilada.

**El mismo dato dice cosas distintas en lugares distintos.** El título de una
página está en `<title>`, en `og:title`, en sus datos estructurados y, para un
PDF, en las propiedades del documento; el idioma aparece en `lang`,
`Content-Language` y `og:locale`. Si se escriben por separado, divergen y cada
consumidor cree una versión distinta. Calcule cada valor una vez, en una
plantilla o función, y haga que todos los lugares donde se imprime lean ese
valor.

**El archivo dice más de lo que su autor quería publicar.** Las fotos incluyen
información sobre la cámara, la hora y, a menudo, la posición; los documentos
ofimáticos llevan nombres de autores, historial de cambios y rutas de
plantillas; una etiqueta `generator` identifica el software que construyó la
página. Elimine al exportar lo que nadie decidió publicar y trate cada campo
como texto que leerá una persona desconocida.

## Lecturas adicionales

- [RFC 9110, sección 6.3: campos de cabecera](https://www.rfc-editor.org/rfc/rfc9110#section-6.3)
  — cómo transporta HTTP los metadatos antes del contenido y qué puede hacer un
  campo de cabecera.
- [RFC 9110, sección 8.8.2: Last-Modified](https://www.rfc-editor.org/rfc/rfc9110#section-8.8.2)
  — cuándo debería enviar el servidor una fecha de modificación y por qué se
  sustituye una fecha futura.
- [Estándar HTML: el elemento meta](https://html.spec.whatwg.org/multipage/semantics.html#the-meta-element)
  — los nombres de metadatos estándar y las reglas para declarar una codificación
  de caracteres.
- [Términos de metadatos DCMI](https://www.dublincore.org/specifications/dublin-core/dcmi-terms/)
  — los quince elementos Dublin Core y el vocabulario construido alrededor de
  ellos.
- [Protocolo Open Graph](https://ogp.me/) — sus cuatro propiedades obligatorias en
  cada página y las opcionales que las acompañan.

<https://engineer.company/es/glossary/metadata/>
