JSON-LD、Microdata、RDFa 三种写法都能把同样的业务语义交给搜索引擎,差别不在"能不能表达同一件事",而在标记落在页面的哪一层、归谁维护、模板改版时会不会跟着散架。企业站做 GEO 时,真正吃时间的从来不是第一次把标记写出来,而是半年后改版、迁移、多人协作之后,标记还能不能和页面上用户看到的内容保持一致。这一层差异决定了两种写法的长期维护成本。本文按语法机制、五个关键对比维度、各自适用的场景,以及同一页面共存多种类型的组织方式逐层拆开,并给出建站阶段就能写进技术方案的选型依据。
先澄清一个常被误解的前提:这三种写法描述的都是 Schema.org 词表里的同一套类型和字段,比如 Organization、Article、Service,字段名、层级和约束都是共享的。区别只在于"用哪种语法把这份数据绑到页面上"。这意味着从一种写法迁移到另一种,语义层面基本不必重新设计,需要重做的是标记的安放位置和配套的校验流程。所以选型讨论的价值不在评谁更先进,而在评估哪一种的维护成本与你团队的改版节奏是否匹配。
三种语法的机制差异:标记挂在哪一层
JSON-LD 是一块独立的 JSON 数据区。它由 W3C 的 JSON-LD 1.1 规范定义,在页面里表现为一个 type="application/ld+json" 的 script 标签,内部是一段标准 JSON。数据的组织靠几个固定关键字:@context 指向词表地址(通常是 https://schema.org),@type 声明类型,@id 给节点一个全局唯一标识,@graph 用来在一个脚本块里组织多个互相引用的节点。这个块不参与浏览器渲染,与视觉层、DOM 结构完全解耦——整段搬走都行,模板怎么改都不会把它碰坏。
Microdata 是贴在可见元素上的 HTML 属性。它是 WHATWG HTML 规范的一部分,依赖 itemscope 划定一个实体范围、itemtype 声明该实体的类型、itemprop 指明当前元素承载的是哪个字段,另外还有 itemid 用于给实体一个稳定标识、itemref 用于把分散在页面各处的属性归并到同一实体上。Microdata 的语义完全寄生在 DOM 树上:实体边界由 itemscope 决定,字段归属由所处的最近 itemscope 决定。这意味着标记和内容是同一份东西的两面——删掉一个元素的 itemscope,字段随之消失;反过来给元素加上 itemprop,页面上看不出任何变化,但抓取端已经多取到一条数据。
RDFa 是带前缀的语义属性。它是 HTML5 的扩展,核心是 vocab、typeof、property、about、resource 这一组属性,允许把页面元素关联到任意 RDF 词表,而不局限于 Schema.org,适合需要跟外部数据集做语义互操作、把站点实体接入更广知识图谱的场景。以搜索与 AI 检索为目标的站点通常用不到这一层复杂度,它的价值要在跨系统数据打通时才体现出来。
把三者放在一起看,机制差异可以收敛成一句话:JSON-LD 让标记住在页面的旁白里,Microdata 让标记长在页面的身体上,RDFa 让标记带上语义身份证指向外部词表。前者解耦,后两者耦合,这一个判断就足以解释后面所有维护成本上的落差。
五个对比维度上的实际差异
| 对比维度 | JSON-LD | Microdata | RDFa |
|---|---|---|---|
| 标记与页面的分离度 | 完全分离,独立脚本块 | 耦合在可见元素属性上 | 耦合在可见元素属性上 |
| 改版时的连带风险 | 改模板不影响标记 | 删改元素即丢字段 | 删改元素即丢字段 |
| 对现有CMS的侵入性 | 新增一个模板变量即可 | 需改造每个待标注字段 | 需改造每个待标注字段 |
| 校验与调试方式 | 整段粘贴进校验工具,错误定位到具体键 | 需回看渲染后DOM,错误定位到元素 | 需同时核对词表与属性 |
| 多类型共存的组织方式 | @graph数组加@id交叉引用 | 嵌套itemscope与itemref组合 | 多层about与resource关联 |
可维护性。这是差距拉开得最明显的一项。JSON-LD 的标记写在一个地方,改一次全站生效,内容团队调整图文时不需要懂结构化数据;Microdata 分散在几十上百个模板节点上,改版时漏掉一个属性不会触发任何报错,只会让某个字段静默消失,等到 AI 引用时才从数据缺口上暴露出来。
与页面内容的分离度。JSON-LD 的数据区可以独立做二次加工,同一套节点定义能在不同模板里复用;Microdata 则天然要求标记值与它所在元素的可见文本保持绑定关系,这一点在内容一致性审查时反而是优势——抓取端可以直接比对标注字段是否在页面上真实呈现。
对现有 CMS 的侵入性。接入 JSON-LD 通常只需在模板层加一个输出变量;接入 Microdata 要求前端逐个改造内容节点。内容多、模板多的站点,这部分工时差是数倍量级。
验证与调试难度。JSON-LD 有严格的 JSON 语法,格式错误会直接导致整块数据不被解析,好处是问题一次暴露在明面上;Microdata 没有独立语法校验层,缺属性往往不报错,排查要回到渲染后的 DOM 逐个节点查看,页面复杂时定位成本很高。
爬虫解析支持现状。Google 搜索中心的结构化数据文档目前同时列出 JSON-LD、微数据与 RDFa 三种受支持格式,并说明在规模化实施上 JSON-LD 更简单、更不易出错。需要留意的是"受支持"与"同等推荐"不是一回事,把三者混为一谈会让团队误以为选哪种都一样。
建站项目里选择 JSON-LD 的实际理由
如果站点是新建的,或者团队掌握模板层与数据层的开发资源,JSON-LD 通常是更省事的选择,理由可以从四个层面说清。
- 把标记和内容分给两拨人。内容团队改图文、后端团队改数据,两边互不干扰。这在做 GEO 的团队里尤其重要——页面语义结构要持续优化,结构化数据也要持续更新,如果两者绑在同一个 DOM 节点上,改结构的动作就会连带影响数据。
- 用 @id 把同一实体串起来。一个站点级的 Organization 节点、每篇文章的 Article 节点、每级分类的 BreadcrumbList 节点,可以各自写一次 @id,然后在需要时交叉引用,例如文章节点的 publisher 直接指向站点的 Organization 节点。这样避免每篇文章重复抄一遍公司信息,也避免了十几处副本互相不一致。
- 校验链路短。一份 JSON 可以直接丢进 Schema Markup Validator 逐条检查,字段缺失、类型不匹配、枚举值写错都会给出明确提示;再配合 Google 的富媒体测试与 Search Console 的效果报告,形成"发布前校验、上线后观测"的闭环。
- 批量生成可行。JSON-LD 的结构化数据适合由模板引擎或构建脚本按数据模型批量产出,新增栏目、新增文章类型时不必重新手写属性,天然适配内容持续增长的站点。
铭赞经验:企业站里常见结构化数据"上线时正确、半年后失真"的情况,问题几乎都出在标记与内容耦合过紧——改版删掉一个 DOM 节点,团队没人注意到少了一个字段。把标记收拢到独立数据层后,改版风险明显下降,这类静默缺口也更容易在自检环节被发现。
Microdata 仍然成立的几种场景
选型讨论中常见的偏差,是把 JSON-LD 当作唯一答案。事实上有几种情况,Microdata 反而更合适。
- 只使用封闭 CMS、不掌握模板层的企业。不少 SaaS 建站工具与部分开源商城系统允许自由编辑内容区,但模板文件被锁死。这种情况下往正文元素上加 itemprop 是可行路径,JSON-LD 脚本则可能被系统过滤,或根本没有开放注入位置。
- 标注对象与可见内容本就是同一件事。像产品价格、库存状态、图书作者这类字段,标记和页面上用户看到的内容完全对应,Microdata 的耦合在这里反而是特性:搜索引擎与 AI 抓取端可以直接比对标注值与渲染文本,两边一致才认定为可信,不需要额外做一致性校验。
- 需要在同一页面表达从属关系。比如商品列表页里每个商品带各自的属性与评价,用嵌套 itemscope 组织比用 @graph 描述层级更贴近 DOM 结构,也更符合多数开发者的直觉。
- 体量很小的站点且没有专职开发。十几个页面的站点,逐页加属性的总工时并不突出,而引入 JSON-LD 反而要额外建立生成与校验流程。
还有一个常被忽略的判断依据是存量现状。已有站点如果历史标记本身就是 Microdata 且当前工作良好,改造为 JSON-LD 属于纯粹的额外投入,收益要等到下次大规模改版时才显现;此时更合理的做法往往是新建栏目先用 JSON-LD,两种语法并存,等改版窗口到来再逐步收敛。
同一页面多类型共存与模板落地检查项
一个典型的企业站详情页,往往同时需要描述五种东西:站点本身(WebSite)、发布方(Organization)、页面类型(WebPage)、页面内容主体(Article 或 Service),以及层级路径(BreadcrumbList)。怎么组织这五种,差异比"用哪种语法"更影响效果。
用 JSON-LD 时,常见做法是一个 script 块内放一个 @graph 数组,五个节点并列其中,通过 @id 互相引用:页面节点引用发布方节点,文章节点引用页面节点作为 mainEntityOfPage,层级路径节点引用各级分类的 URL。站点级实体(Organization、WebSite)只写一份,其余页面引用它的 @id 即可。这样实体信息只有唯一来源,抓取端在多次抓取和跨页面比对时看到的是同一个实体,而不是十几个略有差异的副本。
用 Microdata 时,逻辑一致,只是引用改由 itemref 完成:页面上某处有一个 itemscope 声明了发布方信息,页面主体节点用 itemref 指向它。维护上要注意 itemid 的命名规则保持稳定,不要在不同页面复用同一个 id 表示不同实体。
两种语法混用时有一条常见错误需要避开:同一个实体既在 JSON-LD 里声明了一次,又在 Microdata 里重复声明一次,且两处字段值略有出入。这类页面对抓取端来说是自相矛盾的信号,比只声明一处的表现更差。稳妥做法是同一页面只用一种语法声明同一实体,另一处若确实需要引用,就用 @id 或 itemref 指向已声明的节点。
下面这几项适合在技术方案阶段就定下来,比上线后返工省事得多。
- 先定语法,再定模板结构。选 JSON-LD 意味着标记由数据层输出,模板层留出输出位置即可;选 Microdata 意味着内容模板的字段结构本身就要按标记需求来设计。两者对前端排期的影响不同,先定再排。
- 规划实体标识的生成规则。为站点级实体、页面级实体、条目级实体分别定义 @id 的命名方式,确保跨页面稳定且不冲突。
- 建立发布前校验。把 Schema Markup Validator 接入发布流程的新页面抽检环节,让字段缺失在发布环节暴露,而不是等到 Search Console 里看到数据缺口。
- 同步规划页面语义结构。JSON-LD 解决的是"这条数据声明什么",页面语义结构解决的是"正文怎么组织才便于抓取和引用"。2026 年的搜索与 AI 优化指南已说明,生成式 AI 抓取并不依赖结构化数据,也不使用 llms.txt,结构化数据的价值主要在于取得富媒体结果资格;内容能否被 AI 准确理解和引用,仍取决于语义化 HTML 与清晰的页面结构。标记方式选得省事,才腾得出精力把正文层级、标题结构、参数表达这些影响 AI 引用的部分做扎实。
- 把改版纳入检查清单。模板调整后重新跑一次校验,确认标记节点与页面内容仍然对应,避免出现静默缺口。
下一步行动
想知道你的站点目前用的是哪种标记语法、有多少字段已经和页面实际内容对不上?铭赞提供免费网站与GEO基础诊断,逐页比对标记与正文内容,输出结构化数据与页面可读性的改造优先级清单。电话 13991172090,或访问 xamz.cn/geo/diagnosis.html 在线申请。
铭赞网络的服务范围覆盖GEO优化、SEO、网站建设和外贸营销,服务电话 13991172090。