Documentación

Indexación

Last update: Thu Feb 27 2025 00:00:00 GMT+0000 (Coordinated Universal Time)

Adobe Experience Manager ofrece una forma de mantener un índice de todas las páginas publicadas en una sección concreta del sitio web. Esto se utiliza comúnmente para crear listas y fuentes, y habilitar casos de uso de búsqueda y filtrado para sus páginas o fragmentos de contenido.

AEM mantiene este índice en una hoja de cálculo y ofrece acceso a él mediante JSON. Consulte el documento Hojas de cálculo y JSON para obtener más información.

Presentaremos el concepto de crear un índice de consulta previsualizando primero un libro de Excel o una hoja de cálculo de Google. Tenga en cuenta que si ya tiene una definición de consulta personalizada en un archivo llamado helix-query.yaml en su repositorio de GitHub, ya no es posible crear índices de esa manera. Cada nuevo índice tendrá que agregarse manualmente a ese(a) helix-query.yaml.

Configuración de un índice de consulta inicial

En esta sección crearemos un índice de consulta en la carpeta raíz que indexará todos los documentos del servidor.

  1. Después de configurar su fstab.yaml con un punto de montaje que apunte a su sitio de SharePoint o Google Drive, vaya a la carpeta raíz.
  2. Según el servidor, cree un libro de trabajo denominado query-index.xlsx para SharePoint o una hoja de cálculo denominada query-index para Google Drive.
  3. En esa hoja de cálculo o libro, cree una hoja de cálculo denominada raw_index.

Configuración de propiedades para añadirlas al índice

  1. En el documento query-index, agregue una línea de encabezado y, en la primera columna, agregue path como nombre del encabezado.
  2. En las siguientes columnas de la línea del encabezado, añada todas las demás propiedades que necesite extraídas de la página de HTML procesada.

En el siguiente ejemplo de Google Drive, los campos extraídos son title, image, description y lastModified.

Las páginas se indexan cuando se publican. Para eliminar páginas del índice, se debe cancelar su publicación.

En escenarios sencillos sin definición de índice personalizada, AEM omitirá automáticamente la indexación de las páginas que tengan la propiedad de metadatos robots establecida en noindex. (Aquí hay algunos escenarios especiales; para obtener más detalles, consulte la sección Escenarios especiales para robots).

La siguiente tabla resume las propiedades disponibles y de dónde se extraen en la página de HTML.

Nombre
Descripción
author
Devuelve el contenido de la metaetiqueta denominada author en el elemento head.
title
Devuelve el contenido de la metapropiedad og:title en el elemento head.
date
Devuelve el contenido de la metaetiqueta denominada publication-date en el elemento head.
image
Devuelve el contenido de la metapropiedad og:image en el elemento head.
category
Devuelve el contenido de la metaetiqueta denominada category en el elemento head.
tags

Devuelve el contenido de la metaetiqueta denominada article:tag en el elemento head como una matriz.

Consulte el documento Hojas de cálculo y JSON para obtener más información sobre la administración de matrices.

description
Devuelve el contenido de la metaetiqueta denominada description en el elemento head.
robots
Devuelve el contenido de la metaetiqueta denominada robots en el elemento head.
lastModified
Devuelve el valor del encabezado de respuesta Last-Modified del documento.

Por cada otro encabezado agregado, el indexador intentará encontrar una metaetiqueta con el nombre correspondiente.

Activar el índice

Para activar el índice, previsualice la hoja de cálculo mediante la barra de tareas. Esto creará una configuración de índice.

Comprobación del índice

El servicio de administración tiene un punto final de API donde puede comprobar la representación del índice de la página. Dado el propietario de GitHub, el repositorio, la rama y el propietario, y una ruta de recurso a una página, su punto final es:

https://admin.hlx.page/index/<owner>/<repo>/<branch>/<path>

Debe obtener una respuesta JSON en la que el nodo de datos contenga la representación de índice de la página.

Depuración de la configuración del índice

La CLI de AEM tiene una función en la que imprimirá el registro de índice cada vez que cambie la configuración de la consulta, lo que le ayuda a encontrar los selectores CSS correctos:

$ aem up --print-index

Consulte la documentación de GitHub de la CLI de AEM para obtener más información y vea este vídeo para obtener más información sobre esta característica.

Configuración de más configuraciones de índice

Puede definir sus propias configuraciones de índice personalizadas creando su propio helix-query.yaml. Esto le permite tener más de una configuración de índice en el mismo helix-query.yaml, donde partes de los sitios se indizan en diferentes libros de Excel u hojas de cálculo de Google. Consulte el documento Referencia de indización para obtener más información.

Escenarios especiales para robots

Hay algunos matices en la forma en que AEM indexa las páginas junto con la configuración de indexación del sitio. Veamos lo que ocurre con ellos:

En las dos situaciones siguientes, establecer robots en noindex en los metadatos de la página no evitaría que AEM lo indexara:

  • Ha agregado una columna robots en query-index.xlsx
  • Tiene un helix-query.yaml en el repositorio de Github, es decir, ha definido una definición de índice personalizada.

Recomendaciones

  1. Si no tiene una definición de índice personalizada, se recomienda no agregar una columna robots a la hoja de índice a menos que tenga un requisito para hacerlo.
    Si agrega la columna robots a su hoja de índice, AEM indizará la página aunque tenga robots metadatos establecidos en noindex.
  2. Si tiene una definición de índice personalizada, AEM indexaría las páginas independientemente de si establece robots en noindex en los metadatos de la página. Si desea evitar que esto ocurra, puede usar filtros de hoja de cálculo para omitir páginas del índice que tengan robots metadatos establecidos en noindex. Para obtener más información, consulte la sección titulada "Aplicación de noindex configuración con definiciones de índice personalizadas" más adelante.

Aplicar la configuración "noindex" con definiciones de índice personalizadas

Si ha definido sus propias definiciones de índice personalizadas en helix-query.yaml, establecer la propiedad robots en noindex no es eficaz para evitar que se indiquen las páginas. Para que la configuración noindex se aplique correctamente, haga lo siguiente:

  1. Cree una hoja con el nombre "helix-default" en su query-index.xlsx Después de esto, la hoja de cálculo query-index.xlsx debe tener 2 hojas “raw_index" y “helix-default". La hoja “raw_index" está ahí para tener todos los datos indexados sin procesar.
  2. Modifique su helix-query.yaml personalizado (debe estar en el repositorio de Github de su proyecto) y agregue la propiedad robots para que se indexa.
  3. Ahora configure la hoja “helix-default" en la hoja de cálculo query-index.xlsx para que se rellene automáticamente con la fórmula de Excel, que garantiza que todas las filas de raw_index que tienen la propiedad robots establecida como noindex no se copien en la hoja helix-default. Esto se puede hacer con una fórmula de Excel como esta =FILTER(Table1,NOT(Table1[robots]="noindex"))
  4. Ahora, la hoja hélice-predeterminada solo tiene las filas de raw_index que no tienen la propiedad robots establecida en noindex.
  5. Asegúrese de publicar las páginas que desea indexar.
  6. Ahora, si obtiene el índice de la forma habitual, como: https://<branch>--<repo>-<org>.hlx.page/query-index.json, solo obtendrá datos de helix-default hoja, es decir, entradas a las que no se impide explícitamente que se indiquen a través de la propiedad robot establecida como noindex.
recommendation-more-help
10a6ce9d-c5c5-48d9-8ce1-9797d2f0f3ec