Structure Harvester

Structure Harvester analyserar en webbsidas informationarkitektur genom att extrahera strukturella element som rubriker (H1–H6), sektioner (section, article, aside) och landmärken. Den returnerar en maskinläsbar representation av sidans organisering som stöder SEO, innehållsstrategi, IA och utvecklararbetsflöden. Givet en URL hämtar den HTML, parserar DOM och identifierar hierarkiska relationer mellan block, linjer och innehållsgrupper. Utdata belyser rubriksekvensen, sektionernas djup och fördelningen mellan huvud- och kompletterande regioner; detta möjliggör revisioner, innehållsplanering och tillgänglighetsgranskning. Konceptuellt normaliserar verktyget taggnamn, bygger ett träd från dokumentöversikten, tilldelar en väg till varje nod och beräknar djup. Det räknar taggäKomster, uppskattar huvudinnehållsområdet via rubrikordningsheuristiker och kan mappa länkar till ankare eller upptäcka inbäddad metadata (JSON-LD, microdata). Utdata är maskinläsningsbara och kan korreleras med sidans nyckelord för att bedöma semantisk täckning. Det är utformat för repetabla analyser över webbplatser eller kampanjer. Fördelar inkluderar snabbare innehållsrevisioner, bättre IA-beslut och mer exakt nyckelordsmapping. Unik värde ligger i att producera en kompakt, render-light strukturell modell för downstream-verktyg. Huvudfunktioner: hierarkisk trädstruktur, tagg-antal, huvudinnehållsheuristik och exportklara data. Typiska användningsfall: hela webbplatsens strukturrevisioner, kampanj-sidorplanering och tillgänglighetsgranskning.