NAP-консистентность: как скриптом проверить, что адрес, телефон и часы одинаковы на сайте и в картах

У локального бизнеса данные о точке живут минимум в четырёх местах: на сайте, в карточке на Яндекс Картах, в 2ГИС и в профиле Google. Пока точка одна и ничего не меняется, всё совпадает. Потом кофейня переезжает в соседний корпус, у салона появляется новый номер, клиника меняет часы на лето. Правку вносят в одно место, остальные три остаются со старыми данными.

В локальном SEO для этого есть термин NAP — Name, Address, Phone: название, адрес и телефон. На практике к ним всегда добавляют часы работы, потому что именно часы устаревают чаще всего. NAP-консистентность — это когда во всех источниках эти данные одинаковы.

Эта статья для разработчиков и вебмастеров, которые ведут сайты кафе, клиник, автосервисов и сетей с филиалами. Разберём:

почему расхождения NAP вредят и клиенту, и поиску;
как завести единый эталон данных точки;
как нормализовать адреса, телефоны и часы, чтобы сравнение было честным;
готовый скрипт на Python, который сверяет JSON-LD сайта с данными карточек;
праздничные и специальные часы в schema.org;
как запускать проверку по расписанию и что делать с найденными расхождениями.

Почему расхождения NAP — это проблема

Самый очевидный ущерб — человеческий. Клиент видит на сайте «до 21:00», приходит в 20:30 и упирается в закрытую дверь, потому что в карточке давно стоит «до 20:00», а на сайт правку забыли внести. Или звонит по номеру из 2ГИС, который отключили полгода назад. Такой клиент не возвращается и иногда оставляет отзыв.

Второй уровень — поисковый. Поисковики и картографические сервисы сопоставляют данные из разных источников, чтобы понять, что перед ними одна и та же организация. Когда адрес на сайте и в карточке пишется по-разному, а телефоны не совпадают, связать их сложнее. Насколько сильно это влияет на ранжирование в конкретном сервисе, публично никто не раскрывает, поэтому громких цифр здесь не будет. Но совпадающие данные точно не мешают, а расходящиеся точно путают людей.

Третий уровень — внутренний. Когда никто не знает, какой номер правильный, каждая правка превращается в расследование. Скрипт, который раз в неделю говорит «всё совпадает» или «вот три расхождения», снимает этот вопрос.

Совет. Начните с аудита, а не с кода. Откройте все карточки точки, сайт и выпишите данные в таблицу. Если расхождений нет ни одного — автоматизация нужна для будущего. Если они уже есть — сначала поправьте, потом закрепляйте скриптом.

Шаг 1. Единый эталон данных точки

Главная идея: должен существовать один файл, где записано, как правильно. Не «как на сайте» и не «как в Яндексе», а эталон, с которым сверяется всё остальное. Сайт, карточки и печатные материалы — это копии.

Удобнее всего хранить эталон в YAML рядом с кодом сайта. Его можно положить в репозиторий, правки идут через пул-реквест, история изменений видна в git.

points: - id: lesnaya-12 site_url: https://example.ru/contacts/ reference: name: Кофейня «Зерно» address: Москва, ул. Лесная, 12к2 phone: +7 495 123-45-67 hours: Пн-Пт 08:00-21:00; Сб 10:00-20:00 cards: map_a: name: Кофейня «Зерно» address: Москва, Лесная улица, 12 к2 phone: 8 (495) 123-45-67 hours: Пн-Пт 08:00-21:00; Сб 10:00-20:00 map_b: name: Кофейня «Зерно» address: Москва, ул. Лесная, д. 12, корп. 2 phone: +7 495 123-45-76 hours: Пн-Пт 08:00-21:00; Сб-Вс 10:00-20:00

Пример выдуманный, но типичный: в одной карточке адрес записан в другом порядке и с другим сокращением, а в другой перепутаны две цифры телефона и добавлено воскресенье.

Для сети с филиалами каждая точка — отдельный элемент списка points со своим id. Это же значение удобно использовать как @id в JSON-LD и как ключ в CMS.

Откуда брать данные карточек

Здесь важно не перехитрить самого себя. Парсить публичные страницы карточек в картах — плохая идея: это нарушает условия использования большинства сервисов, вёрстка меняется без предупреждения, а за частые запросы можно получить блокировку.

Нормальные варианты такие:

Официальные API справочников. У Google есть Places API с полями адреса, телефона и часов. У 2ГИС есть API справочника, у Яндекса — API поиска по организациям. Всем нужен ключ, у каждого свои условия: что можно хранить, как долго и с какой пометкой. Прочитайте их до того, как писать код.
Выгрузки из кабинетов. Кабинеты для владельцев бизнеса у сетей часто позволяют выгрузить список точек файлом. Такой файл можно класть рядом с эталоном и разбирать тем же скриптом.
Снимок, заполненный сотрудником. Для одной-трёх точек проще всего раз в месяц скопировать данные из каждой карточки в блок cards. Скрипт всё равно сделает самое неприятное: нормализует и сравнит.

Скрипт ниже работает с блоком cards как с готовыми данными, поэтому источник можно поменять, не трогая логику сравнения.

Шаг 2. Нормализация: сравнивать смысл, а не символы

Если сравнивать строки как есть, проверка утонет в ложных тревогах. «ул. Лесная, д. 12, корп. 2», «Лесная улица, 12 к2» и «улица Лесная, дом 12, корпус 2» — один и тот же адрес. «+7 (495) 123-45-67» и «8 495 1234567» — один и тот же номер.

Поэтому перед сравнением каждое поле приводится к канонической форме.

Телефон. Убираем всё, кроме цифр. Российские номера, начинающиеся с 8, переводим в формат с 7. Получаем E.164 вида +74951234567. Для международных сетей лучше взять библиотеку phonenumbers, она знает правила разных стран.

Адрес. Задача сложнее, и полностью её решают только геокодеры. Но для сверки своих же данных хватает простых правил:

нижний регистр и «ё» → «е»;
точки и запятые → пробелы;
полные слова → стандартные сокращения: «улица» → «ул», «корпус» → «к», «строение» → «стр»;
«12 к 2» и «12 к2» → «12к2»;
«д 12» → «12»;
сравнение без учёта порядка слов, потому что сервисы по-разному ставят тип улицы: до названия или после.

Часы. Приводим к словарю «день недели → интервал» или closed. Тогда «Пн-Пт 08:00-21:00» и пять отдельных записей openingHoursSpecification дают одинаковый результат.

Название. Сравниваем без учёта регистра. Если в карточке к названию дописаны ключевые слова, а на сайте их нет, это повод разобраться: правила картографических сервисов обычно запрещают такие дописки.

Совет. Не пытайтесь сделать нормализацию адресов идеальной. Цель — чтобы одинаковые адреса не давали ложных тревог. Если правило ловит лишнее, добавьте его в список замен и двигайтесь дальше.

Шаг 3. Скрипт сверки на Python

Ниже полный скрипт. Он делает четыре вещи:

Читает эталон и снимки карточек из nap.yaml.
Скачивает страницу контактов сайта и достаёт из неё блок JSON-LD с организацией.
Нормализует все источники.
Печатает расхождения и завершает работу с кодом 1, если они есть. Это удобно для CI.

Зависимости: requests, beautifulsoup4, pyyaml.

import json, re, sys import yaml # pip install pyyaml requests beautifulsoup4 import requests from bs4 import BeautifulSoup DAYS = ["Mo", "Tu", "We", "Th", "Fr", "Sa", "Su"] RU_DAYS = {"пн": "Mo", "вт": "Tu", "ср": "We", "чт": "Th", "пт": "Fr", "сб": "Sa", "вс": "Su"} def norm_phone(raw): digits = re.sub(r"\D", "", raw or "") if len(digits) == 11 and digits[0] in "78": digits = "7" + digits[1:] elif len(digits) == 10: digits = "7" + digits return "+" + digits if digits else "" ADDR_RULES = [ (r"\bулица\b", "ул"), (r"\bпроспект\b", "пр-т"), (r"\bпр-кт\b", "пр-т"), (r"\bпереулок\b", "пер"), (r"\bдом\b", "д"), (r"\bкорпус\b", "к"), (r"\bкорп\b", "к"), (r"\bстроение\b", "стр"), (r"\bэтаж\b", "эт"), ] def norm_address(raw): s = (raw or "").lower().replace("ё", "е") s = re.sub(r"[.,]", " ", s) for pattern, repl in ADDR_RULES: s = re.sub(pattern, repl, s) s = re.sub(r"\b(\d+)\s*к\s*(\d+)", r"\1к\2", s) # 12 к 2, 12 к2 -> 12к2  s = re.sub(r"\bд\s+(?=\d)", "", s) # «д 12» -> «12»  return " ".join(s.split()) def expand_days(token): token = token.strip().lower() if "-" in token: a, b = [RU_DAYS.get(t.strip(), t.strip()) for t in token.split("-")] i, j = DAYS.index(a), DAYS.index(b) return DAYS[i:j + 1] return [RU_DAYS.get(token, token)] def norm_hours_text(raw): """'Пн-Пт 09:00-20:00; Сб 10:00-18:00' -> {'Mo': '09:00-20:00', ...}""" week = {d: "closed" for d in DAYS} for part in (raw or "").split(";"): m = re.match(r"\s*([а-яa-z\-\s]+?)\s+(\d{1,2}:\d{2})\s*[-–]\s*(\d{1,2}:\d{2})", part.strip().lower()) if m: for d in expand_days(m.group(1)): week[d] = f"{int(m.group(2)[:-3]):02d}{m.group(2)[-3:]}-{m.group(3)}" return week def norm_hours_schema(specs): week = {d: "closed" for d in DAYS} for spec in specs or []: days = spec.get("dayOfWeek", []) days = days if isinstance(days, list) else [days] for d in days: short = d.rsplit("/", 1)[-1][:2] # https://schema.org/Monday -> Mo  week[short] = f'{spec["opens"][:5]}-{spec["closes"][:5]}' return week def site_record(url): resp = requests.get(url, timeout=20, headers={"User-Agent": "nap-check/1.0"}) resp.raise_for_status() soup = BeautifulSoup(resp.content, "html.parser") # bytes: кодировку определит сам  for tag in soup.find_all("script", type="application/ld+json"): data = json.loads(tag.string or "{}") items = data if isinstance(data, list) else data.get("@graph", [data]) for item in items: if "address" in item and "telephone" in item: a = item["address"] addr = ", ".join(filter(None, [a.get("addressLocality"), a.get("streetAddress")])) return { "name": item.get("name", ""), "address": norm_address(addr), "phone": norm_phone(item["telephone"]), "hours": norm_hours_schema(item.get("openingHoursSpecification")), } raise SystemExit(f"{url}: JSON-LD с адресом и телефоном не найден") def card_record(card): return { "name": card["name"], "address": norm_address(card["address"]), "phone": norm_phone(card["phone"]), "hours": norm_hours_text(card["hours"]), } def compare(reference, other): diffs = [] if reference["name"].lower() != other["name"].lower(): diffs.append(("name", reference["name"], other["name"])) # порядок слов не важен: «ул Лесная» и «Лесная ул» — один адрес  if sorted(reference["address"].split()) != sorted(other["address"].split()): diffs.append(("address", reference["address"], other["address"])) if reference["phone"] != other["phone"]: diffs.append(("phone", reference["phone"], other["phone"])) for day in DAYS: if reference["hours"][day] != other["hours"][day]: diffs.append((f"hours.{day}", reference["hours"][day], other["hours"][day])) return diffs def main(path): cfg = yaml.safe_load(open(path, encoding="utf-8")) errors = 0 for point in cfg["points"]: ref = card_record(point["reference"]) sources = {"site": site_record(point["site_url"])} sources.update({k: card_record(v) for k, v in point["cards"].items()}) for source, rec in sources.items(): for field, want, got in compare(ref, rec): errors += 1 print(f"[{point['id']}] {source:8} {field:10} эталон: {want!r} | там: {got!r}") print("OK: расхождений нет" if not errors else f"Найдено расхождений: {errors}") sys.exit(1 if errors else 0) if __name__ == "__main__": main(sys.argv[1] if len(sys.argv) > 1 else "nap.yaml")

Запуск на примере выше:

$ python nap_check.py nap.yaml [lesnaya-12] map_b phone эталон: '+74951234567' | там: '+74951234576' [lesnaya-12] map_b hours.Su эталон: 'closed' | там: '10:00-20:00' Найдено расхождений: 2

Этот вывод получен реальным запуском скрипта на тестовой странице. Адрес в map_a записан иначе, чем в эталоне, но после нормализации совпал, поэтому в отчёт не попал. Остались две настоящие ошибки: переставленные цифры телефона и лишнее воскресенье.

Грабли, на которые мы наступили при написании

Кодировка. Первая версия брала resp.text. Тестовый сервер не прислал charset в заголовке, requests по умолчанию решил, что это ISO-8859-1, и кириллица превратилась в кракозябры. Решение — передавать в BeautifulSoup байты (resp.content): он сам найдёт <meta charset> в документе.
@graph. Многие CMS и SEO-плагины кладут организацию не в корень JSON-LD, а в массив @graph рядом с WebSite и BreadcrumbList. Скрипт проверяет оба варианта.
Несколько блоков разметки. На странице бывает три-четыре <script type="application/ld+json">. Ищем тот, где есть и address, и telephone.
dayOfWeek в разных формах. Встречаются "Monday", "https://schema.org/Monday" и "http://schema.org/Monday". Берём последнюю часть после слэша и первые две буквы.

Шаг 4. Праздничные и специальные часы

Обычный график совпадает чаще всего. Расходятся праздники: в карточке на картах владелец отметил сокращённый день 31 декабря, а на сайте об этом никто не вспомнил. Или наоборот.

В schema.org для этого есть тот же openingHoursSpecification, но с полями validFrom и validThrough. Запись с датами действует только в указанный период и уточняет обычный график:

"openingHoursSpecification": [ { "@type": "OpeningHoursSpecification", "dayOfWeek": ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday"], "opens": "08:00", "closes": "21:00" }, { "@type": "OpeningHoursSpecification", Source：https://dev.to/mapli/nap-konsistientnost-kak-skriptom-provierit-chto-adries-tieliefon-i-chasy-odinakovy-na-saitie-i-v-kartakh-4m11My favorites

PreviousHow to Scrape Shein and Temu: Fast Fashion Marketplace DataNextHow to animate a lightbox out of a cropped thumbnail

`Related posts`


The fight for tech accountability starts now
When Donald Trump began his second term as president, Silicon Valley gratefully embraced moral nihilism. Google, Amazon,
0The Verge
iOS 27.3 adds CarPlay redesign for Apple Music, here’s what’s new
iOS 27.3 is packed with new features for iPhone, and it also includes a noteworthy CarPlay change: a redesign of the App
09to5Mac
Marketing Attribution for Small SaaS Teams: Tie Signups to Revenue With Python
Arron Bennett, Founder of Bennett Financials Most small SaaS teams can tell you which channel brings the most signups. V
0dev.to Python
Google extends voluntary buyout offers to employees in several countries
Article URL: https://www.reuters.com/business/media-telecom/google-extends-voluntary-buyout-offers-employees-several-cou
0Hacker News New
So You Bought an iPhone 18 Pro. Do You Still Need a Real Camera? 
Apple’s phone takes beautiful photos, but is it as good as using a Fujifilm X-M5?
0CNET News
Apple Wins Big in CNET’s People’s Picks Awards for Its MacBooks
Two popular non-Apple brands still won awards for their affordability.
0CNET News