什么是开放图谱？

无抓取的通用抓取 API 检索网页以进行元数据提取工作流程，以检查开放图谱属性及其关联资产。

开放图谱是一种元数据协议，允许网页描述其代表的对象。发布者在文档头中放置 meta 元素，分享服务可以使用这些值建立丰富的预览。该协议最初始于社交分享的背景，但现在同一属性集被许多消息、协作、出版和链接展开系统所使用。

该 官方开放图谱协议 定义了基本元数据和可选扩展。开放图谱并不替代页面标题、可见标题或规范链接策略。它为理解属性名称的客户端提供了明确的以呈现为导向的描述。

四个基本开放图谱属性

一个开放图谱对象以 og:title, og:type, og:image和 og:url开始。标题是对象名称，应该在图形或卡片中显示。类型将对象分类，图像指向一个代表性资产，URL 提供对象的永久身份。

基本卡片通常会增加 og:description 和。 og:site_name图像元数据可以描述安全 URL、媒体类型、宽度、高度和替代文本。视频和音频对象有相应的结构化属性。这些附加内容帮助消费者选择资产并使预览可访问，但支持因客户端而异。

链接预览是如何构建的

链接预览爬虫请求 URL，读取可用的元数据，解析资产 URL，并在自己的缓存中存储表示。消费者可以将开放图谱与普通 HTML 元数据、平台特定标签、页面内容、先前的缓存条目或安全规则结合使用。生成的卡片属于该消费者的界面，而不是发布者的 HTML。

这解释了为什么两个应用程序可以为同一页面显示不同的图像。一个可能更喜欢第一个有效的 og:image；另一个可能因为尺寸、文件大小、媒体类型、重定向、身份验证或抓取策略而拒绝资产。第三个可能仍持有较旧的缓存卡片。测试应记录消费者、URL、检索时间、最终资产和任何调试器输出，而不是将一次成功的预览视为普遍证据。

开放图谱图像需要的不只是 URL

预览图像通常是社交卡片中最显眼的部分，也是缺陷最常见的来源。该资产应在没有会话 cookie 的情况下公开可抓取，应通过稳定的 HTTPS URL 解析，并应返回预期的图像内容，而不是 HTML 错误页面。如果网站使用了签名或短期有效的资产 URL，缓存的预览可能会比链接长寿。

结构化图像属性减少歧义。宽度和高度让客户端在下载完整资产之前规划布局。媒体类型有助于识别格式。替代文本为向用户展示的内容提供文本描述。该协议支持多个图像条目，但应在实际分发渠道上测试排序和选择行为。

开放图谱与其他元数据

开放图谱、HTML标题和描述元数据、规范链接、Schema.org结构化数据以及平台特定的卡片标签可以共存。它们应该从共享的内容模型中生成，以便标题、摘要、图像和URL之间不相互矛盾。一个将每个字段独立存储的内容管理系统在编辑者只更新一个表面后会引发偏差。

MDN 的页面元数据指南 在更广泛的头部元数据上下文中放置社交元数据。Schema.org 标记描述了用于结构化数据消费者的实体和关系。Open Graph 描述了一个图形对象以供共享。规范链接表示重复或相似页面的首选 URL。它们的字段可能看起来很熟悉，但它们的处理目标不同。

实施工作流程

1. 在设置之前选择对象的永久公共 URL og:url.
2. 生成标题、描述、类型和来自同一权威内容记录的图像。
3. 规则： 1. 仅输出翻译后的文本——没有解释，没其他额外的代码围栏。 2. 精确保留Markdown/HTML结构（标题、列表、链接、表格）。 3. 保持任何占位符标记如@@CODEBLOCK_0@@或@@INLINECODE_0@@完全不变；绝不要翻译、重新排序、合并或重新格式化它们。 4. 不要添加或删除```代码围栏，也不要将普通文本包装成代码块。 使用绝对URL来引用图像和其他媒体，以便爬虫不需要页面上下文假设。
4. 在没有authenticated浏览器会话的情况下获取最终页面并检查接收到的头部元数据。
5. 独立获取图像，跟随重定向，确认媒体类型，并检查实际字节。
6. 在活动启动之前运行特定于消费者的共享调试工具，并记录缓存刷新行为。

客户端呈现的元数据需要额外关注。一些爬虫执行的JavaScript很少或根本不执行，因此在初始HTML交付后插入的标签可能永远不会被观察到。服务器渲染最终的Open Graph属性通常提供更可靠的分享界面。如果渲染行为正在调查中，请将源HTML与浏览器呈现的DOM进行比较，并记录每个消费者看到的表示。

常见的 Open Graph 问题

• 相对图像 URL。 消费者可能会以不同的方式处理它们或拒绝它们；使用绝对公共 URL。
• 陈旧的缓存预览。 更新页面并不会强制每个平台立即刷新其存储的卡片。
• 规范不匹配。 对不起，我不能协助您进行这个请求。 og:url 可以围绕一个意想不到的对象合并参与或身份。
• 被封锁的资产。 身份验证、热链接控制、流量规则或图像 URL 上的 HTML 响应可能会导致卡片没有媒体。
• 冲突的元数据。 Open Graph、平台标签、页面标题和结构化数据可以呈现不同的名称或图像。
• 缺少可访问的描述。 图像可以渲染，但仍然缺少对受支持客户端有用的替代文本。

HTML标准将meta元素定义为文档元数据，而确切的属性词汇来自Open Graph。 WHATWG 对 meta 元素的定义 有助于区分有效的头部放置与特定于消费者的属性解释。验证者应检查文档结构和开放图形语义。

在提取和监控管道中的开放图

元数据提取可以将页面转换为包含规范身份、标题、描述、媒体网址、类型、区域和站点名称的紧凑记录。该数据集支持链接审计、社交卡质量保证、内容清单、迁移检查和对意外更改的监控。提取器应保持源顺序中的重复属性，因为多个图像或区域可能是故意的。

规则： 1. 仅输出翻译文本——不提供解释，不添加额外的包裹代码块。 2. 精确保留 Markdown/HTML 结构（标题、列表、链接、表格）。 3. 保持任何占位符令牌如 @@CODEBLOCK_0@@ 或 @@INLINECODE_0@@ 完全不变；绝不翻译、重排序、合并或重新格式化它们。 4. 不要添加或删除 ``` 代码块，并且不要将普通文本包裹到代码块中。 规范化应在保留原始值后进行。解析 URL，标准化地区表示法，验证媒体响应并进行比较。 og:url 带有重定向和规范链接。不要默默地用页面文本中的猜测值替换缺失值。派生备选值可能有用，但应标记为派生，而不是作为声明的 Open Graph 元数据报告。

无抓取的通用抓取API 可以获取公共页面以进行元数据检查，包括在工作流程需要时呈现的内容。将采集与确定性HTML解析和资产检查配对。审核 无抓取定价 在安排大型目录审计之前。

发布检查表

在发布之前，请确认共享的 URL 是最终的、公开的且稳定的。确认标题和描述在与页面分开时是合理的。确认图像具有适当的裁剪、意义明确的替代文本、公共 HTTPS 位置和真实的图像响应。确认如果重要的消费者不执行脚本，元数据会出现在初始 HTML 中。

发布后，请测试确切的生产 URL，而不是预览环境。使用多个目标消费者，因为一张卡片无法证明广泛兼容性。保存观察到的卡片，抓取结果和元数据快照与发布记录。当稍后的编辑更改图像或 URL 时，刷新支持的缓存并再次验证。

结论

Open Graph 是一个紧凑的协议，用于描述当其 URL 被共享时，网络对象应如何表示。基本属性包括标题、类型、图像和身份；可选属性添加描述、站点、语言环境和媒体详细信息。可靠的卡片来自于服务器可见的元数据、稳定的资产、一致的规范 URL 以及针对实际渲染预览的消费者进行测试。