/GBPTS

General Blog Post Tag Standard

通用博文标签标准

创建时间: 2023年1月14日
版本: 0.0.1-beta

通用博文标签标准(General Blog Post Tag Standard)是由 Save The Web Project、中文博客列表导航 以及其他的中文博客聚合项目设计的开放标准。

通用博文标签标准有三种设想的使用场景，分别是：

  1. 博主通过博客程序，在博文中使用 HTML 的 meta 标签等元数据来主动声明博客、博文的特征。
  2. 读者阅读后，对任意页面进行标记，可能是共享给其他读者，也可以本地储存。
  3. 博客聚合项目通过整合标签，方便读者使用标签搜索，以快速发现感兴趣的博客。

此标准如果没有其他声明，分发协议均为 CC0。

简介

「通用博文标签标准」是为了通用性、精确描述以及可扩展性而编写的标准，所以此标准不会考虑具体的软件实现，仅仅考虑标签的样貌。

GBPTS 0000 通用博文标签标准索引

标题: 通用博文标签标准索引
创建时间: 2023年1月1日

GBPTS 0000 是索引，会收录所有的 GBPTS 内容，并对可行性进行评议，每条 GBPTS 都会被分类，分别是「正式」「草案」「延期」和「拒绝」。1

正式的 GBPTS

序号 标题
1 标签规则
2 传递特性
101 语言属性标签

草案的 GBPTS

以下 GBPTS 正在考虑标准化。

序号 标题
0 通用博文标签标准索引
3 博文标签上限
4 元数据表示方法
5 使用第三方元数据
102 地域属性标签
103 内容属性标签
104 篇幅属性标签
105 标题属性标签

延期的 GBPTS

小组认为以下 GBPTS 没有朝着标准化的方向发展，但他们还没有撤回。

拒绝的 GBPTS

目前，没有 GBPTS 被拒绝。

GBPTS 0001 标签规则

标题: 标签规则
创建时间: 2023年1月1日

标签由英文字母、数字、一个冒号、短横线和下划线组成，通常是 键:值 的结构，少数情况存在仅 键 的结构。

标签代码规范

标签代码有以下规范：

  • 「键」「值」由英文字母、数字、短横线和下划线组成
  • 「键」的部分禁止使用下划线
  • 其他字符需要被删除
  • 将空格替换成下划线
  • 大小写不敏感

标签代码翻译

考虑到多语言支持，所以标签的本体都使用英文表示，比如：

标签 标签代码
艺术分类 category:Art
简体中文语言 language:zh-CN
**广州（地域） region:PRC+region:Guangzhou

然后展示时再以合适的语言进行替换翻译：

标签代码 简体中文
category:art 分类：艺术
language:zh-CN 语言：简体中文
region:PRC+region:Guangzhou 地域：**广州

这需要维护 CSV 表格文件来实现此功能。（或者某种相似的表）

无冒号兼容模式

少数情况，会遇到无法使用冒号的情况，比如 Telegram 的标签系统不支持冒号以及首位数字，所以只需要修改成下面的样子：

标签代码 无冒号兼容模式
category:art _category_art

即在「键」的前后增加一个下划线，并移除冒号。

GBPTS 0002 传递特性

标题: 传递特性
创建时间: 2023年1月3日

通常博客的结构如下所示：

flowchart TD

a["博客"] ---> o["文章／博文"]
a --> b["栏目／分类／板块等"] --> o
Loading
  • 博客
    • 栏目／分类／板块等
      • 文章／博文

如果文章未定义语言属性标签，那么会从上面的结构里寻找标签，原则是就近原则，比如名为《植物图鉴》的博文位于「图鉴」栏目下，所以优先从「图鉴」栏目的标签里寻找。

因为从上到下是逐渐精确的路径，所以可以「文章」的标签可以覆盖「博客／栏目」的标签，比如博客主要使用中文语言，但文章设置的英文语言属性标签就能覆盖。

部分标签不会进行传递，需要看每个标签的传递定义，但是在键的后面添加上 -tc (transfer characteristic 传递参数) 就能强制传递，比如博客的分类是 category-tc:Games 就能传递给栏目、文章等，但会受到文章覆盖的影响。

GBPTS 0003 博文标签上限

标题: 博文标签上限
创建时间: 2023年1月14日

为了使标签精确，不被滥用，所以需要限制博文标签的上限，这里主要限制 GBPTS 0103 内容属性标签。

草案

解析器只会记录博文标签里面的，前 10 个「内容属性标签」，也许这样能让作者克制，只标记文章主要的标签。

也许能与「篇幅属性标签」进行参与计算，对于「微型博客」可能会减少内容属性标签的数量，而长文应该增加数量。

比如默认情况只记录前 10 个「内容属性标签」，而微型博客只记录 5 个。

GBPTS 0004 HTML 元数据表示方法

标题: HTML 元数据表示方法
创建时间: 2023年1月16日

网站的拥有者可以通过 <meta> 标签，可以根据需要添加元数据，让软件读取。

目前 WHATWG 的 MetaExtensions 标准 是大多数人的共识，所以为了减少重复功能，应该利用上面已有的数据，比如 Google, Twitter 和 Facebook 的相关标准。

如果没有相同功能的标准，那么将 GBPTS 于 HTML 的 <meta> 标签中使用，就需要在头部加上 gbpts. 的前缀，比如：

标签 HTML 的 <meta> 标签
艺术分类 <meta name="gbpts.category" content="Art">
简体中文语言 <meta name="gbpts.language" content="zh-CN">
这是一个标题 <meta name="gbpts.title" content="这是一个标题">

GBPTS 0005 使用第三方元数据

标题: 使用第三方元数据
创建时间: 2023年1月17日

0005 是 0004 的补充，会解释那些元数据可以使用、如何使用。

Open Graph

Open Graph 是 Facebook 提出的协议，作用是让站外链接在 Facebook 里具有美观的标题、配图预览效果。

Open Graph 的元数据的「键」在 <meta> 标签的 property 属性里，所以标题属性标签就像下面一样：

<meta property="og:title" content="这是一个标题" />

下面是可能有兼容性的标签列表：

属性名 数据类型 含义 GBPTS 序号
og:title string 标题 0105
og:locale string 语言 0101
og:site_name string 网站名称
og:url URL 链接
og:image URL 标题图
og:description string 简介
og:type string 网页类型
article:published_time datetime 发布时间
article:modified_time datetime 修改时间
article:expiration_time datetime 过期时间
article:section string 分类
article:tag string array 标签
article:author URL array 作者
profile:first_name string 名
profile:last_name string 姓
profile:username string 用户名

og:type 在博客网站中通常有 article, profile 和 website 这几种属性，article 用在博文页面，profile 用在个人简介页面，而 website 用在其他页面，比如主页、翻页、存档等位置。

article:author 相对比较特殊，它的值是一个链接，作者名称的数据在那个页面里寻找，这是 Facebook 的某种分离性的设计，下面是作者页面 example.com/profile.html 的演示：2

<!DOCTYPE html>
<html lang="zh">
<head prefix="og: http://ogp.me/ns# profile: http://ogp.me/ns/profile#">
<meta charset="utf-8">
<title>张三的个人页面</title>
<meta property="og:title" content="张三的个人页面">
<meta property="og:site_name" content="Open Graph protocol examples">
<meta property="og:type" content="profile">
<meta property="og:locale" content="zh_CN">
<link rel="canonical" href="http://example.com/profile.html">
<meta property="og:url" content="http://example.com/profile.html">
<meta property="og:image" content="http://example.com/media/images/50.png">
<meta property="og:image:secure_url" content="https://example.com/media/images/50.png">
<meta property="og:image:width" content="50">
<meta property="og:image:height" content="50">
<meta property="og:image:type" content="image/png">
<meta property="profile:first_name" content="John">
<meta property="profile:last_name" content="Doe">
<meta property="profile:gender" content="male">
<meta property="profile:username" content="johndoe">
</head>
<body>
<p>张三的个人页面</p>
</body>
</html>

其他内容：播客 (Podcast) 和 Vlog（视频博客）的 Open Graph 元数据似乎并不普遍，所以暂不探索。

GBPTS 0006 数据类型

在 GBPTS 中定义属性时使用以下数据类型。

类型 描述 演示内容
Boolean 布尔值 true, false, 1, 0
DateTime 符合 ISO 8601 2023-01-17
Enum 枚举，在给定的字符串集合中选择
Float 浮点数 1.234
Integer 整数 1234
String 字符串
URL 链接 http://example.com/test.html

GBPTS 0101 语言属性标签

标题: 语言属性标签
创建时间: 2023年1月1日
可选标签: false
传递特性: true
重复允许: true
数据类型: enum

由于 ISO 的版权比较麻烦，ISO 639 的完整内容相对不是能够开箱取得的，所以还是使用开放的 BCP 47 的标准，这也是网站语言属性标签的规范。

BCP 47 的代码通常是语言+地区，但日语是 ja，因为日语通常只有在日本使用，或者说只有在日本的日语具有核心性，而英语有多种地区，所以开头都是 en 之后在加上地区名，比如英语（英式）的代码是 en-GB，GB 表示大不列颠(Great Britain)

语言 简体中文 正體/繁體中文 英语（美式） 英语（英式） 日语
BCP 47 zh-CN zh-TW en-US en-GB ja

BCP 47 对中文还有更精准的表述，分别是：

  • zh-cmn-Hans-CN (Chinese, Mandarin, Simplified script, as used in China)
  • cmn-Hans-CN (Mandarin Chinese, Simplified script, as used in China)
  • zh-yue-HK (Chinese, Cantonese, as used in Hong Kong SAR)
  • yue-HK (Cantonese Chinese, as used in Hong Kong SAR)

不过部分内容被 iana 废弃了，现在只有单独的 cmn 还被使用，3 所以不需要使用这些表述方式。

%%
Type: language
Subtag: cmn
Description: Mandarin Chinese
Added: 2009-07-29
Macrolanguage: zh
%%
Type: extlang
Subtag: cmn
Description: Mandarin Chinese
Added: 2009-07-29
Preferred-Value: cmn
Prefix: zh
Macrolanguage: zh
%%
Type: redundant
Tag: zh-cmn
Description: Mandarin Chinese
Added: 2005-07-15
Deprecated: 2009-07-29
Preferred-Value: cmn
%%
Type: redundant
Tag: zh-cmn-Hans
Description: Mandarin Chinese (Simplified)
Added: 2005-07-15
Deprecated: 2009-07-29
Preferred-Value: cmn-Hans
%%
Type: redundant
Tag: zh-cmn-Hant
Description: Mandarin Chinese (Traditional)
Added: 2005-07-15
Deprecated: 2009-07-29
Preferred-Value: cmn-Hant
%%

定义方法

通常语言属性标签是在 HTML 中已经声明，但许多静态博客生成器是在配置里写入的语言属性标签，所以博主使用其他语言编写博文时，语言属性标签不会产生变化，导致语言属性标签与实际的内容不符的情况，所以通常得使用正则式匹配字符，或者人力确认语言。

除了定义语言之外，可以可对一些支持多语言的属性标签进行多语言标注，那么其 YAML 片段大概如下：

- 标题:
  - language-zh-CN: "2022 年度最佳"
  - language-en-US: "The Best of 2022"
- 简介:
  - language-zh-CN: "回顾今年最佳的内容吧！"
  - language-en-US: "Check out this year's best content!"

表示方式

只要在语言代码前加上 language: 的前缀就好。比如简体中文的网站使用 language:zh-CN。

如果是作为属性标签的多语言标注，那么将冒号变更为短横线，作为「键」来使用。

GBPTS 0102 地域属性标签

标题: 地域属性标签
创建时间: 2023年1月1日
可选标签: true
传递特性: true
重复允许: true
数据类型: string

定义方法

根据文章中是否有地域描述，来决定是否写上地域属性标签，因为这是可选标签，不是必须的。

  • 缺省值：region:null

表示方式1

只要在英文地域前加上 region: 的前缀就好，比如**广州使用（这些写法都是等价的）：

  • region:Mainland_China+region:Guangzhou
  • region:PRC+region:Guangzhou
  • region:Peoples_epublic_of_China+region:Guangzhou

备注：如果也可以只表示广州 region:Guangzhou，然后使用解析器添加**。

缺点是多地域的支持会比较复杂，对解析器的要求较高，并且单独写下城市的方法可能与同名的城市或地区出现混淆。

表示方式2

只要在英文地域前加上 region: 的前缀就好，比如**广州使用（这些写法都是等价的）：

  • region:Mainland_China/Guangzhou
  • region:PRC/Guangzhou
  • region:Peoples_epublic_of_China/Guangzhou

缺点是 Telegram 等需要兼容性的地方无法使用。

表示方式3

只要在英文地域前加上 region: 的前缀就好，比如**广州使用（这些写法都是等价的）：

  • region:Mainland_China:Guangzhou
  • region:PRC:Guangzhou
  • region:Peoples_epublic_of_China:Guangzhou

缺点是 Telegram 等需要兼容性的地方无法使用。

表示方法的备注

上面的表示方法，等到正式版理应只保留一种。

备注

〔理论上应该支持多个地域，不过这个实现有点复杂的样子〕

GBPTS 0103 内容属性标签

标题: 内容属性标签
创建时间: 2023年1月3日
可选标签: true
传递特性: false
重复允许: true
数据类型: enum

Telegram 的频道分类比较成熟，所以直接照搬了其分类，有少量调整。然后合并了 ooh.directory 的博客分类。分类作为内容属性标签的一级标签，其下还可以有很多可以描述具体内容的二级标签。

细节

考虑到表格转换到爬虫读取的数据过于麻烦，为了便于维护，还是直接建立一个数据结构比较好，我们使用 YAML 创建了包含标签、译名、简介和子类型的数据，应该会有些帮助。

目前只使用了 language-zh-CN 表示中文翻译，summary 表示简介，subtype 表示子分类，所以应该不会很复杂。

你可以在 /categories.yml 查看目前已规定的 category。

定义方法

根据文章的描述来分类，这是可选标签，不是必须填写的。

而内容属性标签没有传递特性，所以博客的内容属性标签不会传递给博文，除非使用强制开启传递特性。

表示方式

内容属性标签分为 category 和 tag，category 作为博文的主题，所以通常很少，比如 1~2 个，而 tag 可以很多，并且 tag 可以创建任意字符。

如果你选择使用 Extension 作为博文的 category，那么你需要在 Extension 后面用冒号描述你所要拓展的 category，例如 category:Extension:Life 就可以表示博文属于生活 category，这个 category 是自己拓展的，解析器不能在标准中发现。

博文的 category:Games 标签，不能覆盖博文的标签。

博客的 category-tc:Games 标签，可以覆盖博文的标签。

GBPTS 0104 篇幅属性标签

标题: 篇幅属性标签
创建时间: 2023年1月14日
可选标签: true
传递特性: true
重复允许: true
数据类型: string

考虑到合理的优化「内容属性标签」数量，给不同篇幅的博文设立「内容属性标签」限制也许是可行的方法。

定义方法

根据「微型博客」性质以及文字数量来定义。

表示方式

只要在篇幅表述前加上 length: 的前缀就好。比如：

篇幅表述 篇幅属性标签
微型博客 length:microblog
书 length:book
1000 字 length:1000character
300 词 length:300word
80 行4 length:80lines

这些标签可以单独使用，也可以混合使用。

GBPTS 0105 标题属性标签

标题: 标题属性标签
创建时间: 2023年1月16日
可选标签: 根据情况判断
传递特性: false
重复允许: false
数据类型: string

标题也许要标签来定义吗？绝大部分都不需要，但网页的 <title> 标签经常是「标题 + 网站名」的形式，所以干净的标题属性往往需要在 <h1> 里面寻找。

第三方定义方法

与上面的说法相同，干净的标题通常页面在 <h1> 里寻找。

网站拥有者定义方法

直接在元数据里使用 title 来声明。

标题「这是一个标题」表示方式是：<meta name="gbpts.title" content="这是一个标题">

Footnotes

  1. 借用了许多 BEP 0000（BitTorrent 增强建议索引）的设计。 ↩

  2. https://github.com/niallkennedy/open-graph-protocol-examples/blob/master/profile.html ↩

  3. https://www.iana.org/assignments/language-subtag-registry/language-subtag-registry ↩

  4. 通常不需要使用，除非像新语思那种博客，使用的是硬换行。 ↩