Cosa sono i dati strutturati?

Per rendere i contenuti leggibili dai crawler grazie ai dati strutturati, da un po’ di tempo sono disponibili quattro formati standard: i microformati, RDFa, i microdati e JSON-LD. I primi tre si basano su markup semantici, inseriti direttamente nel codice HTML. Inoltre, a seconda del formato, si applicano i classici attributi HTML o nuovi elementi di markup. Da alcuni anni è in aumento l’utilizzo del formato dati JSON-LD, che consente un’annotazione agevole di uno script.

Microformati

Il formato microformati (in inglese microformats) serve per il markup semantico dei documenti HTML e XHTML. Qui si applicano anche i classici attributi HTML come class, rel e rev, che possono essere estratti dal codice delle pagine e consentono ai programmi, come ai crawler, di scansionare le informazioni semantiche. Un’applicazione classica è il markup dei dati di contatto con il microformato hCard, che viene integrato nel codice HTML come class="vcard":

Classico markup dei dati di contatto in HTML

Classico markup dei dati di contatto con il microformato hCard

Mentre i dati di contatto vengono evidenziati nel linguaggio HTML solo tramite elementi non specifici <div>, l’inserimento del microformato hCard con l’attributo class="vcard" consente delle annotazioni semantiche per le singole informazioni, come ad esempio nomi, organizzazioni o numeri di telefono. Un vantaggio di questo tipo di markup è la semplicità di applicazione, in quanto si ricorre ai già conosciuti attributi HTML. Ciò nonostante le possibilità di annotazioni semantiche tramite i microformati risultano per questo limitate ad una scelta non ampliabile di elementi predefiniti. Inoltre l’utilizzo dell’attributo class può generare dei conflitti con il codice CSS. Un’API per l’estrazione dei dati non è supportata nei microformati.

RDFa

RDFa sta per “Resource Description Framework in Attributes”. Il W3C consiglia di usare questo formato per integrare le affermazioni RDF in HTML, XHTML e in diverse varianti XML. Al posto di basarsi sui classici attributi HTML, il formato RDFa ne introduce di nuovi, che consentono un’annotazione semantica più complessa. L’esempio seguente mostra i dati di contatto come dati strutturati nel formato RDFa:

Markup dei dati di contatto con RDFa

Se i dati vengono evidenziati nel formato RDFa, deve essere definito sin dall’inizio il nome dell’elemento. L’attributo typeof determina il soggetto di un’affermazione RDF e indica con quale tipo di dati viene associato il soggetto. L’attributo property definisce il predicato dell’affermazione e indica una proprietà per il contenuto di un elemento. L’alta complessità dell’annotazione e la possibilità di definire un proprio vocabolario rientrano tra i vantaggi di strutturare i dati tramite RDFa. Grazie a prefissi il codice può rimanere compatto. RDFa supporta un’interfaccia di programmazione di tipo DOM (Document Object Model Application Programming Interface) con la quale si possono estrarre i dati strutturati di una pagina web e utilizzarli per applicazioni interattive. Prima rappresentava uno svantaggio l’applicazione del formato principalmente ai linguaggi XML e XHTML, ma ora è possibile integrare il formato RDFa anche nell’HTML5. Un vocabolario standardizzato per la notazione con RDFa si trova su schema.org. Il tutorial “Markup con RDFa secondo Schema.org” fornisce una guida dettagliata al riguardo.

Microdati

I microdati (microdata) sono elementi dell’HTML5 definiti separatamente, che ampliano il vocabolario esistente del linguaggio di markup con attributi necessari per l’integrazione delle annotazioni semantiche. Come i microformati e RDFa, anche questo formato utilizza attributi semplici tramite tag HTML per assegnare proprietà agli elementi. La sintassi dei microdati si basa su un vocabolario che descrive gli elementi (chiamati items) come coppie di valori e nomi. Questo formato di markup si presenta così come un compromesso tra flessibilità, raggiungibilità e una minore complessità. I microdati supportano il formato nativo di esportazione JSON, che consente la trasmissione e la memorizzazione dei dati strutturati, e i microdati con un’interfaccia di programmazione di tipo DOM. Anche questo formato è compatibile con il vocabolario di Schema.org. Nel tutorial di approfondimento “Markup con microdati secondo Schema.org” potete leggere alcuni esempi di applicazione.

JSON-LD

Il formato JSON-LD è lo standard più recente nel linguaggio semantico dei dati delle pagine web. L’acronimo sta per “JavaScript Object Notation for Linked Data“, cioè serializzazione dei dati collegati tra di loro basati su oggetti JavaScript. Google indica JSON-LD come il formato di markup più semplice, ma non lo supporta ancora per tutti i tipi di dati. Al contrario dei microformati, RDFa e dei microdati, JSON-LD non si basa sugli attributi nei tag HTML, ma viene inserito in uno script un blocco con dati JSON in un punto qualsiasi del codice HTML. A questo proposito il tutorial “Markup con JSON-LD secondo Schema.org” mostra come funziona e a cosa bisogna prestare attenzione nel markup con JSON-LD.

Google, Bing, Yahoo e Yandex, i principali motori di ricerca, hanno dato vita ad una community con il nome di Schema.org con l’obiettivo di unificare l’annotazione semantica dei contenuti web. Sul sito omonimo di questo progetto comune è indicato un set unitario di schemi per i dati strutturati. Schema.org supporta i formati RDFa, micordati e JSON-LD. Una descrizione dettagliata del progetto si trova nell’articolo di approfondimento su Schema.org.

Il markup dei documenti HTML tramite notazioni semantiche richiede una certa sensibilità. Per evitare errori, si consiglia di implementare per gradi il codice sorgente di una pagina e di convalidare i markup dopo ogni passaggio. A questo proposito Google mette a disposizione gratuitamente lo Strumento di test per i dati strutturati. Così i gestori di un sito possono inserire singoli frammenti di codice o l’URL di un sito e verificare se sono presenti errori nel codice sorgente. Inoltre Google offre con l’Evidenziatore di dati uno strumento con cui è possibile taggare i dati direttamente sul sito tramite il browser. Per questo le parti interessate vengono evidenziate semplicemente con il mouse e dotate di una parola chiave. È da notare che per questo tipo di annotazione semantica, i markup non possono essere applicati direttamente nel codice sorgente. I campi taggati possono essere scansionati solo da Google e utilizzati per una visualizzazione ampliata nelle SERPs. Gli altri motori di ricerca come Bing o Yahoo non riescono a capire queste relazioni semantiche.