Documentation

Indexation

Last update: Thu May 16 2024 00:00:00 GMT+0000 (Coordinated Universal Time)

Adobe Experience Manager permet de conserver un index de toutes les pages publiées dans une section spécifique de votre site web. Il est généralement utilisé pour créer des listes, des flux et activer des cas d’utilisation de recherche et de filtrage pour vos pages ou fragments de contenu.

AEM conserve cet index dans une feuille de calcul et lui permet d’y accéder à l’aide de JSON. Consultez le document Feuilles de calcul et JSON pour plus d’informations.

Configuration d’un index de requête initial

Dans cette section, nous allons créer un index de requête dans le dossier racine qui indexera tous les documents de votre serveur principal.

  1. Après avoir configuré votre fstab.yaml avec un point de montage qui pointe vers votre site SharePoint ou Google Drive, accédez au dossier racine.
  2. Selon votre serveur principal, créez un classeur nommé query-index.xlsx pour SharePoint ou une feuille de calcul nommée query-index pour Google Drive.
  3. Dans cette feuille de calcul ou ce classeur, créez une feuille nommée raw_index.

Configuration des propriétés à ajouter à l’index

  1. Dans votre query-index document, ajoutez une ligne d’en-tête et, dans la première colonne, ajoutez path comme nom de l’en-tête.
  2. Dans les colonnes suivantes de la ligne d’en-tête, ajoutez toutes les autres propriétés à extraire de la page de HTML rendue.

Dans l’exemple suivant de Google Drive, les champs extraits sont title, image, description, et lastModified.

Les pages sont indexées lorsqu’elles sont publiées. Pour supprimer des pages de l’index, elles doivent être dépubliées.

Pour les scénarios simples sans définition d’index personnalisée, les pages qui ont robots propriété de métadonnées définie sur noindex sera automatiquement omis de l’indexation par AEM. (Voici quelques scénarios spéciaux pour plus de détails, voir la section . Scénarios spéciaux pour les robots).

Le tableau suivant résume les propriétés disponibles et l’emplacement d’extraction dans la page de HTML.

Nom
Description
author
Renvoie le contenu de la balise meta nommée author dans le head élément .
title
Renvoie le contenu de la variable og:title meta, propriété de la propriété head élément .
date
Renvoie le contenu de la balise meta nommée publication-date dans le head élément .
image
Renvoie le contenu de la variable og:image meta, propriété de la propriété head élément .
category
Renvoie le contenu de la balise meta nommée category dans le head élément .
tags

Renvoie le contenu de la balise meta nommée article:tag dans le head sous la forme d’un tableau.

Voir le document Feuilles de calcul et JSON pour plus d’informations sur la gestion des tableaux.

description
Renvoie le contenu de la balise meta nommée description dans le head élément .
robots
Renvoie le contenu de la balise meta nommée robots dans le head élément .
lastModified
Renvoie la valeur de la variable Last-Modified en-tête de réponse du document.

Pour chaque autre en-tête ajouté, l’indexeur tente de trouver une balise meta avec un nom correspondant.

Activer votre index

Pour activer votre index, prévisualisez la feuille de calcul à l’aide du sidekick. Cela crée une configuration d’index.

Vérification de l’index

Le service d’administration dispose d’un point de terminaison API où vous pouvez vérifier la représentation de l’index de votre page. Compte tenu de votre propriétaire, référentiel, branche et propriétaire GitHub, et d’un chemin d’accès aux ressources vers une page, son point de terminaison est le suivant :

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

Vous devriez obtenir une réponse JSON où le noeud de données contient la représentation d’index de la page.

Débogage de la configuration de l’index

L’interface de ligne de commande d’AEM dispose d’une fonctionnalité qui permet d’imprimer l’enregistrement d’index chaque fois que vous modifiez la configuration de votre requête, ce qui vous aide à trouver les sélecteurs CSS appropriés :

$ aem up --print-index

Veuillez consulter la Documentation GitHub de l’interface de ligne de commande AEM Pour plus d’informations, regardez ceci video pour en savoir plus sur cette fonctionnalité.

Configuration d’autres configurations d’index

Vous pouvez définir vos propres configurations d’index personnalisées en créant vos propres helix-query.yaml. Cela vous permet d’avoir plusieurs configurations d’index dans la même helix-query.yaml, où des parties de vos sites sont indexées dans différents classeurs Excel ou feuilles de calcul Google. Voir le document Référence d’indexation pour plus d’informations.

Scénarios spéciaux pour les robots

Il existe quelques nuances sur la façon dont les pages sont indexées par AEM en même temps que la configuration de l’indexation pour votre site. Regardons-les :

Dans les 2 situations suivantes, définissez robots to noindex sur la page, les métadonnées not empêcher qu’elle ne soit indexée par AEM :

  • Vous avez ajouté une robots colonne dans query-index.xlsx
  • Vous avez une helix-query.yaml dans votre référentiel Github, c’est-à-dire que vous avez défini une définition d’index personnalisée.

Recommandations

  1. Si vous ne disposez pas d’une définition d’index personnalisée, il est recommandé de not ajouter une robots à votre feuille d’index, sauf si vous en avez besoin.
    Ajouter robots à votre feuille d’index provoquerait l’indexation d’une page par AEM même si elle peut avoir robots métadonnées définies sur noindex.
  2. Si vous avez une définition d’index personnalisée, les pages seraient indexées par AEM, quel que soit le paramètre robots to noindex sur les métadonnées de la page. Si vous souhaitez empêcher cela de se produire, vous pouvez utiliser des filtres de feuille de calcul pour omettre les pages des index qui ont robots métadonnées définies sur noindex. Pour plus d’informations, reportez-vous à la section intitulée "Application noindex configuration avec des définitions d’index personnalisées" ci-dessous.

Application de la configuration "noindex" avec des définitions d’index personnalisées

Si vous avez défini vos propres définitions d’index personnalisées dans helix-query.yaml, en définissant la variable robots de noindex n’est pas efficace pour empêcher l’indexation des pages. Pour faire respecter la loi noindex dans ce cas, procédez comme suit :

  1. Créez une feuille nommée "helix-default" dans votre query-index.xlsx . Après cela, votre query-index.xlsx la feuille de calcul doit comporter 2 feuilles. “raw_index" et “helix-default". La variable “raw_index"est là pour avoir toutes les données indexées brutes.
  2. Modifier votre helix-query.yaml (il doit se trouver dans le référentiel Github de votre projet) et ajoutez la variable robots pour qu’elle soit indexée.
  3. Configurez maintenant votre “helix-default" dans la feuille query-index.xlsx feuille de calcul pour qu’elle soit automatiquement remplie à l’aide de la formule Excel, ce qui garantit que toutes les lignes de raw_index qui ont robots property défini comme noindex, ne pas être copié vers le helix-default feuille. Vous pouvez le faire en utilisant une formule Excel comme celle-ci : =FILTER(Table1,NOT(Table1[robots]="noindex"))
  4. Désormais, votre feuille d’hélice par défaut ne contient que les lignes de raw_index qui n’ont pas robots définie sur noindex.
  5. Veillez à publier les pages que vous souhaitez indexer.
  6. Maintenant, si vous récupérez l’index comme vous le faites habituellement : https://<branch>--<repo>-<org>.hlx.page/query-index.json, vous obtiendriez uniquement des données de helix-default , c’est-à-dire que les entrées qui ne sont pas explicitement empêchées d’être indexées via la robot property défini comme noindex.
recommendation-more-help
10a6ce9d-c5c5-48d9-8ce1-9797d2f0f3ec