Mozilla Readability项目中的JSON-LD上下文对象处理问题解析

在Mozilla Readability项目中，_getJSONLD方法在处理网页元数据时遇到了一个关于JSON-LD格式的兼容性问题。该问题主要出现在处理包含复杂上下文对象的JSON-LD数据时，导致解析失败。

JSON-LD是一种基于JSON格式的链接数据规范，常用于在网页中嵌入结构化数据。其中@context属性用于定义词汇表映射关系，它既可以是简单的字符串（如直接引用schema.org），也可以是包含@vocab等属性的复杂对象。

当前Readability的实现存在一个关键缺陷：代码中直接假设@context属性始终是字符串类型，并尝试对其调用match()方法进行正则匹配。当遇到实际网页中使用对象形式定义的上下文时（如示例中通过@vocab指向schema.org的情况），就会抛出[e-mail] is not a function的运行时错误。

解决方案需要从两个层面考虑兼容性：

1. 首先需要检测@context的类型，避免对非字符串类型调用字符串方法
2. 其次需要支持对象形式的上下文定义，特别是检查其中@vocab属性的值

修复后的逻辑应该能够同时处理以下两种常见形式：

• 简单字符串形式："@context": "http://schema.org"
• 对象形式："@context": {"@vocab": "http://schema.org"}

这个问题反映了在网页解析库开发中需要注意的几个重要方面：

1. 网页元数据格式的多样性：实际网页中可能采用规范允许的各种等效形式
2. 防御性编程：对动态内容的类型检查必不可少
3. 标准兼容性：需要全面理解相关规范（如JSON-LD）的所有合法形式

对于开发者而言，这类问题的修复不仅解决了当前的功能缺陷，也增强了库的健壮性，使其能够处理更广泛的网页内容。同时，这也提醒我们在处理结构化数据时，不能仅凭常见用例做假设，而应该基于规范实现完整的逻辑。

该问题的修复将显著提升Readability在处理现代新闻网站和其他使用丰富结构化数据的网页时的可靠性，确保能够正确提取文章标题等关键元信息。