Content: inzicht in pagina's en pdf-bestanden
Het onderdeel Content laat zien hoe groot een website eigenlijk is: hoeveel pagina's er bestaan, hoeveel PDF-bestanden er zijn en waar de foutlinks zitten.
Het onderdeel Content laat zien hoe groot een website eigenlijk is: hoeveel pagina's er bestaan, hoeveel PDF-bestanden er zijn en waar de interne broken links zitten. Het is een eerste indicatie van de onderhoudsopgave en de risico's op het gebied van toegankelijkheid en kwaliteit.
Veel pagina's en PDF's = veel beheer
Een website met 40 pagina's vraagt ander beheer dan een website met 4.000 pagina's. Een website met 800 PDF-bestanden vraagt andere aandacht dan een website met 8 PDF's. En een website met 150 foutlinks (404's) geeft vaak aan dat de website al langer z'n onderhoud verliest.
Voor organisaties is dit informatie die direct raakt aan governance-vragen:
- Hoeveel content hebben we eigenlijk online staan?
- Is dat volume te beheren?
- Waar lopen we risico's op toegankelijkheid (PDF's) of kwaliteit (404's)?
- Is dit nog verantwoord, of moet de website worden opgeschoond?
Wat dip precies doet
Dip voert automatisch een crawl uit over de website, waarbij alle pagina's en PDF's worden gevolgd die via interne links bereikbaar zijn.
1. Pagina's tellen
Dip detecteert alle publiek toegankelijke HTML-pagina's die via interne links bereikbaar zijn en een succesvolle response (200OK) geven. Dubbele URL's worden genegeerd.
Let op: Dip ziet geen content achter logins, stap-formulieren etc.
2. PDF-bestanden tellen
Dip telt het aantal publiek toegankelijke PDF's die gelinkt worden vanaf een website.
Goed om te weten: Veel websites gebruiken een CDN (Content Delivery Network) om bestanden te serveren. Als dip niet weet dat dit domein bij een website hoort, worden die PDF's niet meegeteld. Zie je te weinig PDF's? Laat het ons weten, dan voegen we de CDN-constructie toe.
3. PDF-pagina's tellen
Dip telt ook het aantal pagina's per PDF-bestand. Grote documenten (80–200 pagina's) zijn arbeidsintensief om toegankelijk te maken.
4. Interne broken links tellen
Dip toont alle pagina's waarnaar gelinkt wordt maar die niet werken:
- 404: niet gevonden
- 403: verboden
- 500: serverfout
Kapotte links zijn een indicator dat content is verwijderd zonder doorverwijzing, een migratie niet volledig is afgerond, of contentbeheer versnipperd is geraakt.
De tabel in het Content-overzicht
Per website zie je:
| Kolom | Wat het zegt |
|---|---|
| HTML pagina's | Aantal publiek toegankelijke HTML pagina's |
| PDF's | Aantal gelinkte PDF bestanden binnen de website |
| PDF pagina's | Totaal aantal pagina's in de PDF bestanden |
| Foutpagina's (404's) | Aantal interne broken links |
Door te klikken op één van de scores ga je naar de onderliggende data.
PDF's: verborgen deel van de content ijsberg
De HTML-pagina's zitten "boven water". Daaronder zit regelmatig een enorme laag PDF-documenten die jarenlang zijn blijven liggen, die niemand meer actief beheert, maar die wél onder de verantwoordelijkheid van de organisatie vallen. Hoeveel HTML vs PDF-pagina's hebben jullie websites?
Belangrijk voor toegankelijkheid
- Grote documenten zijn arbeidsintensief om toegankelijk te maken
- Een grote "PDF-berg" laat zien dat toegankelijkheidswerk een structurele beheervraag is
- Metadata helpt bepalen welke documenten relevant zijn en welke weg kunnen
Belangrijk voor privacy
Let op: PDF's kunnen meer informatie bevatten dan je aan de voorkant ziet. In metadata staat soms de naam van de medewerker die het document heeft gemaakt, applicatieversies of interne padnamen. Oude PDF's bevatten regelmatig persoonsgegevens die niet meer online thuishoren.