¿Qué son los datos estructurados?

Los webmasters disponen desde hace algún tiempo de tres formatos estándar para organizar los contenidos en datos estructurados: microformatos, microdatos y RDFa. Los tres formatos de estructuración de datos se basan en marcas semánticas que pueden ser realizadas en código HTML. Según el formato, se usan atributos HTML clásicos o elementos nuevos. Desde hace algunos años y de forma creciente también se usa el formato JSON-LD, que, al contrario que los otros tres, no se basa en HTML.

Microformatos

Este formato se usa para la anotación semántica de documentos HTML y XHTML, y en él se usan atributos clásicos como class, rel y rev, los cuales son fácilmente interpretables por los crawlers para extraer información semántica sencilla. Una forma muy típica de aplicar este formato es para definir datos de contacto con el microformato hCard, que se integra en el código HTML como class="vcard".

Etiquetado clásico de datos de contacto en código HTML

Etiquetado de los datos de contacto con el microformato hCard

Mientras que en código HTML los datos de contacto solo se podían marcar como elementos div, el microformato hCard, mediante el atributo de HTML class="vcard", permite marcar datos como nombre, organización o número de teléfono como información semántica.

Los microformatos permiten usar atributos conocidos de HTML, pero esto es, al mismo tiempo, lo que limita sus posibilidades de etiquetado, ya que el número de elementos ya está definido y no se puede ampliar. Otra desventaja es que la utilización de atributos class puede llevar a conflictos con CSS. Tampoco soporta una interfaz de programación de aplicaciones (API) para la abstracción de datos.

RDFa

El W3C recomienda el formato RDFa (Resource Description Framework in Attributes) para integrar elementos de RDF en código HTML, XHTML y XML. En lugar de usar clásicos atributos HTML, RDFa introduce atributos nuevos que permiten una anotación semántica más compleja. En el siguiente ejemplo se muestran los datos de contacto como datos estructurados en formato RDFa:

Anotación de los datos de contacto con RDFa

Con la anotación en formato RDFa se ha de definir al comienzo el lenguaje XML como namespace (xmlns). El atributo typeof determina el sujeto de una afirmación RDF y define con qué tipo de dato se asocia este sujeto. El atributo property determina al predicado de la frase y proporciona una propiedad al contenido de un elemento.

Entre las ventajas de este formato para estructurar datos se encuentran la posibilidad de definir un vocabulario propio, lo cual deriva de su elevada complejidad, y de compactar el código usando prefijos. Además, soporta una DOM API (Document Object Model Application Programming Interface) mediante la cual se pueden extraer datos estructurados de una web para usarlos para aplicaciones interactivas.

Una desventaja es su orientación hacia XML y XHTML, aunque ya se puede integrar en HTML5.

En la página de Schema.org se tiene acceso a un vocabulario estandarizado para la anotación con RDFa, que ponemos a tu disposición en un detallado tutorial para su aplicación.

Microdatos

En este caso, se trata de un módulo independiente de HTML5 que amplía el vocabulario de anotación existente con atributos que sirven para la integración de marcas semánticas en el código fuente. Este formato, como los dos primeros, también usa atributos sencillos como tags de HTML para caracterizar elementos. La sintaxis con microdatos parte de un vocabulario con el que los elementos o ítems se pueden describir como pares de nombre-valor, constituyendo un ejemplo de equilibrio entre una cierta complejidad, flexibilidad y capacidad de ampliación.

Los microdatos soportan una exportación nativa JSON para la transferencia y el almacenamiento de datos estructurados y la DOM API. También es compatible con Schema.org.

JSON-LD

Este formato es el estándar más actual para la anotación semántica de páginas web y sus siglas corresponden a "JavaScript Object Notation for Linked Data", es decir, a la codificación para datos enlazados basada en JSON.

Google considera que este formato de anotación es el más sencillo, pero no lo soporta aún para todos los tipos de datos. Al contrario que los demás, este formato no se basa en atributos HTML. En su lugar, un bloque con datos JSON se integra en el archivo HTML en el lugar que corresponda. Nuestra guía muestra cómo funciona JSON-LD y qué hay que tener en cuenta en su utilización.

Iniciado por los buscadores mayoritarios Google, Bing, Yahoo y Yandex, Schema.org nace con la voluntad de unificar la anotación semántica de contenidos web. Para ello, en su web, la comunidad colaborativa que hay detrás pone a disposición un esquema de datos estructurados que sirven como estándar a los desarrolladores web, en caso de que quieran optimizar sus páginas para los cuatro grandes buscadores. Este sistema soporta RDFa, microdatos y JSON-LD. Visita nuestra guía digital para profundizar en Schema.org.

La anotación de documentos HTML con marcas semánticas es una tarea delicada muy proclive a errores, por lo que generalmente se recomienda desarrollar el código de una página web paso a paso y, tras cada uno de ellos, validar las marcas introducidas. Para ello se dispone de la herramienta gratuita de Google Structured Data Testing Tool. En ella se pueden introducir elementos únicos o el URL para examinar, en su totalidad, los datos estructurados de una web.

Por otro lado, con el Marcador de datos Google pone a disposición de webmasters una herramienta con la cual se pueden marcar los datos de una web directamente en el navegador. Sin embargo, estas marcas no afectan al código fuente, por lo que las etiquetas introducidas de esta manera solo pueden ser reconocidas por Google, que las utiliza para sus formas de representación extendida (como el knowledge graph). Otros buscadores como Bing o Yahoo no pueden interpretar estas conexiones.