产品 SEO 与 GEO 智能体 付费广告智能体 网站智能体 转化智能体
运作方式 方案 常见问题 博客 预约通话

用 JetOctopus 自定义提取结构化数据

更新于 · 阅读约 7 分钟

简短回答 JetOctopus 会读取它抓取的每个页面上的结构化数据,告诉您用了哪些类型、哪些页面没有、哪些页面类型用错了。自定义提取可以把某一个字段(例如作者或电话)提取成一列。它最便宜的套餐每月 US$349 起,所以大多数小网站用 Google 的免费检查工具就够了。

想把这些用到您的生意上?预约一次 30 分钟的免费通话,一起聊聊。

预约通话

JetOctopus 能在您的结构化数据里发现什么

结构化数据(schema markup)是给页面上的信息贴标签的代码,比如您的商家名称、文章作者或产品价格,让搜索引擎不用猜就能读懂。JetOctopus 是一款云端爬虫:它会访问您网站的每个页面,并记录发现的内容。对结构化数据,它做两件事。下面的步骤依据 JetOctopus 自己的指南和产品文章,阅读时间为 2026 年 11 月;菜单名称此后可能有变。

任务在 JetOctopus 中的位置回答什么问题
盘点所有结构化数据Extraction 仪表板 > Structured Data Extraction您用了哪些类型、各在多少页面上、哪些页面没有
从每个页面提取一个字段抓取设置 > Custom Extraction`author`、`telephone` 或 `dateModified` 有没有填写,填的是什么?
渲染后页面与原始页面对比JavaScript 抓取,然后对比 JS 与非 JS 版本脚本运行之前结构化数据是否已存在?

JetOctopus 2023 年的发布文章说,结构化数据报告不需要额外的抓取设置,并列出四种用途:找出没有结构化数据的页面、找出结构化数据与内容无关的页面、查看各类型在全站的分布,以及分析每种类型内部的字段。

它本身无法确定的是:Google 会不会使用这些标记。这一点要用 Google 的工具确认(第 4 步)。

您需要用 JetOctopus 做这件事吗?

如果您的网站只有几百个页面,通常不需要。JetOctopus 是为大型网站打造的;它的定价页称其为“built for large websites, e-commerce catalogs, and the agencies that manage them”(为大型网站、电商产品目录以及管理它们的代理公司打造)的平台。

选项费用(2026 年 11 月)覆盖范围限制
JetOctopus Growth 套餐每月 US$349 或 US$459,取决于付费周期(按年付省 25%);€299 或 €399每月抓取 500,000 个网址必须先参加销售演示才能试用;没有加元价格
Google Search Console免费您已验证网站的富媒体搜索结果报告仅限 Google 以富媒体结果展示的类型
富媒体搜索结果测试(Rich Results Test)免费一次一个网址或一段代码仅限 Google 支持的类型
结构化数据标记验证工具(Schema Markup Validator,schema.org)免费一个网址或一段代码,支持所有 schema.org 类型检查词汇用法,不检查 Google 资格

定价页说试用不需要信用卡:“we open your trial account after the demo”(演示结束后我们为您开通试用账户)。

小网站通常有三四种页面模板(首页、服务页、地区页、博客文章)。结构化数据几乎总是来自模板或插件,所以每种模板挑一个页面放进富媒体搜索结果测试,就覆盖了整个网站。当您有成千上万个页面、几种由不同的人做的模板,或标记会随库存或价格变化时,爬虫才值这个价。

第 1 步:抓取网站,必要时开启 JavaScript

对整个网站开始一次新的抓取。如果您的结构化数据是由插件脚本、Google Tag Manager 或在浏览器中生成内容的建站工具添加的,请在基本抓取设置中勾选 Execute JavaScript。JetOctopus 的提取指南说,不勾选这个选项时它只读取纯 HTML。

Google 能读取由 JavaScript 生成的结构化数据;它的文档把 Google Tag Manager 和自定义 JavaScript 列为常见的生成方式。很多其他爬虫做不到。JetOctopus 2026 年的审核指南建议用 Compare JS vs non-JS 报告,看哪些元素(包括结构化数据)只在脚本运行后才出现。详见:JavaScript SEO 审核。

第 2 步:阅读 Structured Data Extraction 报告

打开 Extraction 仪表板,选择 Structured Data Extraction。按以下顺序阅读:

  1. 没有结构化数据的页面。 按文件夹排序。一个服务页缺少某个类型是疏忽;所有服务页都缺就是模板问题。
  2. 类型分布。 每种类型(例如 Organization、LocalBusiness、Article 或 BreadcrumbList)及其页面数量。注意页面上用错的类型:服务页上用了 Article,博客文章上用了 Product。
  3. 字段。 打开一种类型,查看每个页面带有哪些属性、哪些是空的。
  4. 单个页面详情。 自 2024 年 7 月起,URL Explorer 可以显示单个网址的结构化数据。

发布文章说提取结果是“in JSON format”(JSON 格式)的结构化数据。如果您的网站用的是 Microdata(直接写在 HTML 标签里的结构化数据),请先确认一个已知页面能正确显示,再相信汇总数字。

第 3 步:用自定义提取从每个页面拉出一个字段

当您需要把所有页面的某个值并排比较时,例如每个地区页结构化数据中的电话号码,可以设置一条规则:

  1. 在抓取设置中打开 Custom Extraction,点击 + Add Rule。每次抓取最多 50 条规则。
  2. 给规则起一个清楚的标题,并选择类型:CSS、正则表达式(regex,一种文本匹配模式)、XPath(2024 年 7 月新增)或在渲染后页面上运行的 JavaScript(2024 年 8 月新增)。
  3. 要抓取完整的 JSON-LD 代码块,可以从一条 CSS 规则开始,例如 `script[type="application/ld+json"]`,操作选 Get All,数据类型选 Text。要提取单个字段,请改用正则表达式或 JavaScript 规则。
  4. 抓取前,在一个真实网址上点击 Test This Rule。JetOctopus 的指南建议每条规则都这样检查,因为有些网站会给不同浏览器返回不同的代码。
  5. 抓取完成后,在 Crawler > Custom Extraction 查看统计数字,或在 Data Tables 中用 Custom Extraction 筛选器把值显示成一列。可导出为 CSV、Excel 或 Google Sheets。

提取器只读取返回 200 状态码(正常可用的页面)的页面。

然后把这一列与访客看到的内容对比。Google 的规则:

"Don't mark up content that is not visible to readers of the page." (Google Search Central: General structured data guidelines) 译文:“不要标记页面读者看不到的内容。”

结构化数据里是旧电话、页脚里是新电话,这是网站改版后常见的问题。

第 4 步:用 Google 自己的工具确认错误

爬虫告诉您页面上有什么,Google 决定什么算数。对每个有问题的模板:

  1. 把一个网址粘贴到 Google 的富媒体搜索结果测试。它会列出错误(缺少必需属性)和警告(缺少推荐属性)。Google 说缺少必需属性的项目“are not eligible for rich results”(没有资格显示为富媒体搜索结果)。
  2. 对于 Google 不以富媒体结果展示的类型,用结构化数据标记验证工具检查代码格式是否正确。
  3. 修复上线后,留意 Search Console。Google 建议开发时用富媒体搜索结果测试,“the Rich result status reports after deployment”(部署后用富媒体搜索结果状态报告)。在哪里找:小企业怎么用 Search Console。

期望要放平:

"Google does not guarantee that your structured data will show up in search results, even if your page is marked up correctly according to the Rich Results Test." (Google Search Central: General structured data guidelines) 译文:“即使根据富媒体搜索结果测试,您的页面标记正确,Google 也不保证您的结构化数据会出现在搜索结果中。”

有些类型已经完全不再显示。根据 Google 的文档更新记录,FAQ 富媒体搜索结果自 2026 年 5 月 7 日起不再出现在 Google 搜索中。哪些还会显示:用于富媒体搜索结果的结构化数据。

先修什么

  1. 与页面内容矛盾的结构化数据:错误的电话、旧地址、已变动的价格。它会误导用户,也违反 Google 的规则。
  2. 缺少必需属性,而该类型 Google 仍在展示。通常改一次模板就能修好所有页面。
  3. 页面类型用错。 换成最贴切、最具体的类型。
  4. 重要页面缺少结构化数据:首页、地区页和服务页。
  5. 可以如实填写的推荐属性。 最不紧急。

一个页面上有多种类型没有问题。Google 的指南说它能理解页面上的多个项目,无论是嵌套还是分开列出。问题在于不相关的标记,而不是类型的数量。

示例

示意案例,数字为虚构的整数。

一家有 60 个页面的家居服务公司(美元)

店主把四种模板各挑一个页面放进富媒体搜索结果测试。地区页模板的 LocalBusiness 标记缺少地址。一次模板修复覆盖 20 个页面;两周后 Search Console 显示它们有效。费用:$0。

一家有 40,000 个产品页的零件零售商(加元)

价格每天都在变。一次 JetOctopus 抓取显示,31,000 个页面有 Product 结构化数据,另有 9,000 个用旧模板做的页面没有。一条针对库存状态的自定义提取规则发现 1,200 个页面的结构化数据写着有货,页面上却显示售罄。Growth 套餐以美元或欧元计费,所以折合加元的费用会随汇率变动。在 40,000 个页面的规模下,抓取物有所值。

常见问题

JetOctopus 会按照 Google 的规则验证结构化数据吗?

它会标出结构化数据类型和标记错误,但它自己的指南建议到 Google 的富媒体搜索结果测试中验证。每种模板在那里确认一个页面即可。

有没有免费的方法从每个页面提取结构化数据?

Search Console 的富媒体搜索结果报告覆盖您整个网站中 Google 展示的类型。其他类型,每种模板挑一个页面放进结构化数据标记验证工具测试。

我需要 JavaScript 抓取吗?

只有当插件、标签管理器或建站工具在浏览器中添加结构化数据时才需要。如果它就在页面源代码里,普通抓取就能读到。

结构化数据越多,排名越好吗?

不是。标记只让页面有资格显示富媒体搜索结果,仅此而已。Google 说,即使是针对结构化数据的人工处理措施,也“doesn't affect how the page ranks”(不会影响页面的排名)。

您的情况不同?

继续阅读

下一篇Ahrefs 技术 SEO 审计:运行 Site Audit 并读懂结果如何为自己的网站设置 Ahrefs Site Audit,Health Score 和错误的真正含义,先修哪些问题,以及免费账户包含什么。

问我们一个问题

一句话就够。我们会通过电子邮件回复。

出处

  1. JetOctopus: Product update, structured data extraction (June 2023)
  2. JetOctopus: Custom extraction guide with multiple use cases
  3. JetOctopus: Sum up for 2024 (XPath and JavaScript custom extraction)
  4. JetOctopus: Technical SEO audit for Google and AI search (August 2026)
  5. JetOctopus: Ecommerce SEO audit checklist
  6. JetOctopus: Plans and pricing
  7. Google Search Central: General structured data guidelines
  8. Google Search Central: Introduction to structured data markup
  9. Google Search Central: Generate structured data with JavaScript
  10. Google Search Central: Latest documentation updates
  11. Google: Rich Results Test
  12. Schema.org: Schema Markup Validator