# メタデータ

## どのようなものか

メタデータは、別のデータを対象とするデータです。文書に伴う題名、日付、言語、著者、形式、サイズなどで、人やプログラムは、中身を読む前に、並べ、信用できるかを判断し、処理できます。古い標準ではmeta-dataとハイフンを入れ、日常では、HTTPのヘッダーフィールド、オフィス文書のプロパティー、写真のタグ、Markdownページ先頭のフロントマターなど、より狭い名前でも呼びます。

よくある分類は三つです。記述メタデータは、題名、作成者、主題、要約など、何についてのものかを示します。構造メタデータは、章、ページ、読む順など、部分の組み合わせを示します。管理メタデータは、いつ作成、変更し、誰が行い、どのライセンス、形式かなど、出所と許される用途を示します。2003年にISO 15836となった十五要素のDublin Coreは、最もよく知られた共通の記述項目一覧で、その題名、作成者、日付、言語、権利は、その後のほぼすべての形式にも、別の名前で現れます。

Webページは、層ごとにメタデータを持ちます。最初はHTTP応答です。RFC 9110は、ヘッダーフィールドが「メッセージの意味を変更または拡張し、送信者を説明し、内容を定義し、追加の文脈を与える場合がある」と述べます。`Content-Type`、`Content-Language`、`Last-Modified`は、本文が一バイト届く前から、ページを説明します。HTML内には、`<title>`、`lang`属性、`<meta>`要素があります。後者の名前として、HTML標準は`description`、`author`、`generator`などを定めます。その上には、他者が読む語彙があります。リンクのプレビュー用のOpen Graphプロパティーと、検索エンジンやアシスタント用の構造化データです。

では、データとメタデータを分けるのは何でしょうか。バイトより、読み手です。目録の一件は、本のメタデータであり、目録の側からは、それ自体がデータ一式です。写真の撮影時刻は、眺める人には細部でも、撮影場所を地図にする人には素材です。メタデータと構造化データの区別は、より狭い問いです。構造化データは、意味を推測せずにプログラムが項目を読めるよう、共通の語彙で書くメタデータです。

## なぜ重要なのか

各項目は、小さな約束です。重要なのは、人の手入力、版の履歴、データベースの列、そのときファイルシステムが返す値のどこから、値を得るかです。プログラムは、約束を確認せずに動きます。メタデータの目的でもあり、危険でもあります。

キャッシュとクローラーは、それを基に仕事を割り振ります。ページのコピーを持つブラウザーは、受け取った`Last-Modified`の日付を送り返します。変わっていなければ、ページ全体ではなく、短い`304 Not Modified`を受け取ります。RFC 9110は、最終変更を「合理的かつ一貫して決められる」表現には、その日付を送るよう求めます。条件は逆にも働き、一貫した日付がなければ、標準は要求しません。サイトマップの変更日は、取り直す対象を選ぶクローラーにも、同じ役割を果たします。

人と支援技術も頼ります。`lang`属性は、スクリーンリーダーに発音規則を伝え、題名は、タブ、ブックマーク、検索結果に表示されます。権利も同じです。パッケージマネージャーが依存先のライセンスを知るのは、依存先自身が宣言するからで、その一覧に基づくライセンス審査の正確さは、元の宣言の正確さそのものです。

すべての項目は、正しさを保つ必要があります。四十項目なら、間違う機会も四十あります。誰も読まないものもあります。HTML標準は、`keywords`が検索結果のスパムに使われたため、多くの検索エンジンは考慮しないと記します。また、写真の位置や文書の改訂履歴は、本文以上のことを伝え、メタデータから情報が漏れる場合もあります。ずれない出所から値を入れる少数の項目の方が、多数あるより、通常は優れます。

## 実際の活用例

このサイトの三つのプロジェクトに、メタデータが現れます。それぞれ、サイトマップ、PDF文書群、依存関係のグラフという、違う種類のファイルです。

あるサイトマップは、違うメタデータから変更日を取得し、176ページ中172ページが同じ瞬間を示す結果になりました。それらは内容ではなく、バイトに関するファイル更新時刻で、内容を書き出すたびに、すべて書き直していました。修正後は、明示したフィールド、コミット履歴、ファイルの順で代替元を調べます。落とし穴も記します。フィールド名そのものを一覧に入れなければ、生成器は一度も読みません。今は、ページの元の記録で、各項目を書き、改訂した日と、仕事を実際に行った年を分けます。誰も知らない日付は、「精密だが誤った数値は、ないより悪い」という規則で、空欄にします。記録された実装段階では、一か月の編集後に同期し直すと、変更が生じたのは186ファイル中8ファイルでした。

記録された検証段階では、アクセシビリティ標準に照らして検証した九つの生成PDFが、設定したアクセシビリティプロファイルの106規則すべてに合格しました。作業には、タグ付きの構造、代替テキスト、明示した読み順に加え、メタデータでの文書言語と実際の題名の宣言が含まれます。その記録された検証では、同じ文書が長期保存用プロファイルの146規則のうち、ちょうど一つに失敗しました。ページは、その規則を名指しし、惜しくも届かない結果と呼びます。145規則の成功は、適合ではないからです。

Rustの644クレートのライセンスを、ビルドごとに検査した例では、監査が明示する限界は、メタデータの限界でした。各クレートの宣言したライセンスを読みますが、宣言は間違ったり不足したりするので、誤った宣言をするクレートについて、何も証明しません。意図的に二度失敗させ、検査自体が動くことは示しました。しかし、どんな検査も、読む宣言の正直さまでは示せません。

## 問題が起きるところ

次の不具合には、共通点があります。それを探さない検査は、すべて成功します。

配備するたび、すべてのページが変更を報告します。 静的ファイルの更新時刻を`Last-Modified`にするWebサーバーや、同じ方法でサイトマップの日付を決める生成器は、コピーした瞬間を伝えます。チェックアウト、書き出し、コンテナービルドは、すべてをコピーします。キャッシュはすべて再検証し、クローラーは何も学べません。日付は、版の履歴か人が書くフィールドから取り、不明なら、ないままにします。Hugoは、一覧の順に出所を読み、フィールド自身の名前も必要です。

```toml
enableGitInfo = true

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

題名やリンクのプレビューが文字化けします。 文字コードは、ほかのすべてのバイトに関するメタデータです。宣言より先に文章を見た解析器は、推測する必要があります。HTML標準は、宣言する要素全体が、先頭の1,024バイト内に入ることを求めます。`<head>`の最初に置けば、推測は不要です。このサイトでは、BingのURL Inspectionが、題名の長いダッシュが文字コード宣言より前にあったため、題名とOpen Graphの二つの文字列を、Latin-1として読んだことがあります。HTTPヘッダーもUTF-8を示していましたが、ヘッダーなしでバイトを読む道具には、ページしかありません。今は、文字コード宣言が最初の要素で、ビルドしたすべてのページで、その順を検査します。

同じ事実が、場所によって違います。 題名は、`<title>`、`og:title`、構造化データ、PDFなら文書のプロパティーにあります。言語は、`lang`、`Content-Language`、`og:locale`にあります。別々に入力すればずれ、読む側がそれぞれ別のものを信じます。一つのテンプレートか関数で一度だけ計算し、出力するすべての場所が、その値を読むようにします。

作者が公開するつもりのなかった情報まで、ファイルが伝えます。 写真にはカメラの情報、時刻、多くは位置が入り、オフィス文書には、著者名、編集履歴、テンプレートのパスが入ります。`generator`タグは、ページを作ったソフトウェアを示します。誰も公開すると決めていないものは、書き出すときに除去し、すべての項目を、知らない人が読む文章として扱います。

## 参考資料
* RFC 9110、第6.3節：ヘッダーフィールド — HTTPが本文より先にメタデータを運ぶ仕組みと、フィールドのできることです。
* RFC 9110、第8.8.2節：Last-Modified — 更新日を送る条件と、未来の日付を置き換える理由です。
* HTML標準：meta要素 — 標準のメタデータ名と、文字コードの宣言規則です。
* DCMIメタデータ語彙 — Dublin Coreの十五要素と、その周りの語彙です。
* Open Graphプロトコル — 各ページに必須の四つのプロパティーと、そのほかの任意項目です。

=> /ja/portfolio/fixed-a-sitemap-with-one-shared-timestamp/ 176ページ中172ページが同じ瞬間を示す結果
=> /ja/portfolio/reached-pdf-ua-1-conformance-at-106-of-106/ アクセシビリティ標準に照らして検証した九つの生成PDF
=> /ja/portfolio/know-the-licence-of-everything-you-ship/ Rustの644クレートのライセンスを、ビルドごとに検査した
=> https://www.rfc-editor.org/rfc/rfc9110#section-6.3 RFC 9110、第6.3節：ヘッダーフィールド
=> https://www.rfc-editor.org/rfc/rfc9110#section-8.8.2 RFC 9110、第8.8.2節：Last-Modified
=> https://html.spec.whatwg.org/multipage/semantics.html#the-meta-element HTML標準：meta要素
=> https://www.dublincore.org/specifications/dublin-core/dcmi-terms/ DCMIメタデータ語彙
=> https://ogp.me/ Open Graphプロトコル

=> https://engineer.company/ja/glossary/metadata/ このページのウェブ版
