Microdonnées, RDFa ou JSON-LD utilisation appropriée ou optimale?
je me suis demandé lequel de ces formats est"le meilleur"? Schema.org Microdonnées de l', et RDFa sont peu fastidieux à mettre en œuvre. Elles peuvent briser la validation et nécessiter un effort considérable pour être insérées dans les documents.
JSON-LD est, enfin pour moi, une meilleure façon de mettre en œuvre des données structurées. Mais ça fonctionne? Quel est le niveau de soutien offert (du moins par Google)?
6 réponses
Schema.org est un vocabulaire qui peut, comme tout autre vocabulaire, être utilisé sous de nombreuses formes. Le site http://schema.org / contient des exemples d'utilisation de Microdata et des syntaxes RDF RDFa et JSON-LD , mais ces syntaxes ne sont pas les seules avec lesquelles il peut être utilisé. Vous pouvez, par exemple, l'utiliser avec toute autre syntaxe RDF comme Tortue ou RDF / XML .
il n'y a pas de syntaxe best . Ils ont tous des avantages et des inconvénients. Voir par exemple ma réponse sur différences entre microdonnées et RDFa . Notez que vous pouvez utiliser différents syntaxes (et vocabulaires) dans le même document.
Maintenant, si vous avez un client à l'esprit, vous devriez consulter leur documentation. Cependant, le soutien de syntaxes vient et va, et pas tout ce qu'ils pourraient soutenir est nécessairement documenté, et pas tout ce qui est documenté fonctionne nécessairement.
dans le cas de Google, vous êtes probablement intéressé par leur extraits riches . Leur documentation sur les extraits riches mentionne microdonnées, Microformats et RDFa. Toutefois, il convient de noter que les exemples liés n'utilisent pas tous la Schema.org vocabulaire, mais le plus ancien Data-vocabulary.org ou Microformats (comme vous ne pouvez pas utiliser des vocabulaires comme Schema.org ni Data-vocabulary.org avec Microformats). Et il y a aussi quelques extraits riches qui ne sont pas listés sur cette page, comme la boîte de recherche Sitelinks , pour laquelle ils recommandent même la syntaxe JSON-LD.
comme conseil général: les moteurs de recherche favorisent généralement le contenu visible plutôt que les métadonnées cachées. Par exemple, le fait d'avoir des mots-clés comme métadonnées cachées permet facilement aux auteurs de prétendre que leurs documents sont quelque chose de différent de ce qu'ils sont vraiment (soit en raison d'essayer de tromper le moteur de recherche, ou parce que les auteurs oublient de mettre à jour le contenu dans à la fois endroits). Par conséquent, découpler les métadonnées du contenu, comme c'est le cas avec JSON-LD, pourrait (peut-être!) conduisent aux mêmes problèmes que les moteurs de recherche actuels avec les métadonnées cachées. (si ou quels moteurs de recherche le gèrent effectivement comme cela est une question qui est hors-sujet sur Un Débordement De Pile.)
un autre avantage possible pour coupler les métadonnées avec le contenu (par exemple, avec RDFa), est que vous pourriez facilement et automatiquement générer les mêmes informations dans JSON-LD, Turtle etc. parce que tout N'est que RDF. Il suffit de parcourir le RDFa, convertir aux formats de votre préférence, et intégrer (dans script ) ou lien (avec rel - alternate ) il si elle a du sens.
Mais oui, ajouter RDFa est souvent plus complexe que l'ajout d'un blob JSON-LD, car il faut l'adapter au markup existant. (Cependant, il ne devrait pas "casser la validation" à moins que vous ne fassiez des erreurs.)
les lignes entre Microdata , RDFa , et JSON-LD sont en effet actuellement très floues et qu'il n'y a toujours pas largement accepté de facto parmi les trois. Cela devra attendre maintenant. Peut-être une couple d'années ou plus.
en attendant, les microdonnées ne devraient pas être étiquetées avec Schema.org comme tu l'as dit parce que ces deux-là sont des choses différentes. Schema.org est un vocabulaire utilisé pour les microdonnées, RDFa et JSON-LD.
par Schema.org comme le vocabulaire et en utilisant JSON-LD comme le représentation des données est probablement la paire la plus attendue en raison de deux aspects communs à leur sujet:
- facile à lire pour les humains; et
- léger lisible par machine
mais même ainsi il y a encore des déconnexions entre les deux comme cet exemple .
concernant le support JSON-LD, depuis Bing, Google, Yahoo!, et Yandex reconnaît l'utilisation de schema.org alors peut-être est-il prudent de dire qu'ils le soutiennent aussi comme dans cet exemple .
mise à jour 2017
Google a été très proactif dans la promotion JSON-LD-schema.org ces deux ou trois dernières années.
il semble que Google penche pour L'utilisation de JSON-LD mais il ne l'a pas mis en œuvre pour tous les cas d'utilisation!
Google est en train d'ajouter le support JSON-LD à plus balisage-alimenté fonctionnalités. Jusqu'à présent, JSON-LD est supporté par tous Fonctions de graphe de connaissance, des boîtes de recherche de liens de site, des extraits riches D'événements, et Recipe Rich Snippets; Google recommande l'utilisation de JSON-LD pour ces caractéristiques. Pour les autres types D'extraits riches et les miettes de pain, Google recommande l'utilisation de microdonnées ou de RDFa.
Google utilise JSON-LD comme exemples de référence pour le référencement de données structurées pour leur graphe de connaissances (entreprises et personnes). Voir https://developers.google.com/structured-data/customize/overview
j'utilise personnellement une combinaison de JSON-LD et de microdonnées pour mes sites (pour le moment).
je dirais qu'ils ont d'autres moyens de déterminer si les renseignements que vous fournissez par L'entremise de JSON-LD sont pertinents pour leur moteur de recherche. (comme vérifier votre page est en fait parler de ce qu'il prétend parler de).
(mise à jour des réponses!)
à Propos de "popularité", veuillez consulter la section cette question/réponses .
microdonnées est aujourd'hui le plus populaire: dans un univers de 34 millions de domaines, 5,63 millions (~17%) utiliser "content markup" (je vais utiliser le jargon markup ) par RDFa (0,9 million), microdonnées (2,5 millions) ou Microformats, et moins de la moitié de l'utilisation séparé descripteurs sémantiques, remarquant le plus populaire comme JSON-LD, avec 2,12 millions (6%).
PS: Nous préférons" statistiques par domaine " (au lieu de statistiques par page) parce que les pages dans le même domaine en général ont les mêmes modèles et d'autres autorités locales application de la convention.
dans un univers de "domaines exprimant la sémantique" (7,75 millions) le profil statistique est:
- 73% balisage sémantique
- 27% séparé sémantique
- (... intersection comme mélange "séparé+markup" peut être zéro pour simplifier...)
Règle du pouce en 2017
Utiliser balisage sémantique avec de Microdonnées et, après , si vous avez besoin d'exprimer quelque chose de plus à des machines, utiliser JSON-LD .
utiliser markup sémantique parce qu'il est le plus populaire, et parce que marqué content sera vérifiable/vérifiable simultanément par les humains et les machines.
Important: rappelez-vous que les microdonnées, RDFa (une norme W3C) et JSON-LD (une norme W3C) peuvent être (facilement) traduites en RDF, de sorte que tous ces formats sont compatibles.
PS: pour les tables HTML voir aussi les métadonnées tabulaires du W3C . Pour les ressources ouvertes non-HTML, comme CSV files , utiliser RDF-compatible W3C tabular-data-model et/ou frictionlessdata/specs .
A partir de zéro, JSON-LD serait la solution. Laissons l'un des principaux créateurs de JSON-LD , Manu Sporny, peser:
le désir d'avoir de meilleurs API Web est ce qui a motivé la création de JSON-LD, pas le Web sémantique. Si vous voulez faire le Web sémantique la réalité, arrêter de faire le cas pour elle et passer votre temps à faire quelque chose de plus utile, comme rendre les machines plus intelligentes ou aider les gens à publier les données d'une manière qui leur est utile.
JSON-LD est tout au sujet de la publication des données dans des façons qui sont utiles/faciles à mettre en œuvre parce que...
il est basé sur la technologie que la plupart des développeurs web utilisent aujourd'hui.