nagooglesearch

No otra búsqueda en Google

No otra biblioteca de búsqueda de Google. Es broma, lo es.

Hecho con fines educativos. ¡Espero que ayude!

Planes futuros:

• Capacidad para establecer/rotar parámetros de búsqueda, agentes de usuario y proxies sin reinicialización.

Tabla de contenido

• Cómo instalar
  • Instalación estándar
  • Construir e instalar desde la fuente
• Uso
  • Estándar
  • El más corto posible
  • Búsqueda sensible al tiempo
  • Agentes de usuarios

Cómo instalar

Instalación estándar

pip3 install nagooglesearch

pip3 install --upgrade nagooglesearch

Construir e instalar desde la fuente

Ejecute los siguientes comandos:

git clone https://github.com/ivan-sincek/nagooglesearch && cd nagooglesearch

python3 -m pip install --upgrade build

python3 -m build

python3 -m pip install dist/nagooglesearch-8.0-py3-none-any.whl

Uso

Estándar

Valores predeterminados:

 nagooglesearch . GoogleClient (
	tld = "com" ,
	homepage_parameters = {
		"btnK" : "Google+Search" ,
		"source" : "hp"
	},
	search_parameters = {
	},
	user_agent = "" ,
	proxy = "" ,
	max_results = 100 ,
	min_sleep = 8 ,
	max_sleep = 18 ,
	debug = False
)

Solo los dominios sin palabras clave google y no terminar con la palabra clave goo.gl se aceptan como resultados válidos. La salida final es una lista única y ordenada de URL.

Ejemplo, estándar:

 import nagooglesearch

# the following query string parameters are set only if 'start' query string parameter is not set or is equal to zero
# simulate a homepage search
homepage_parameters = {
	"btnK" : "Google+Search" ,
	"source" : "hp"
}

# search the internet for additional query string parameters
search_parameters = {
	"q" : "site:*.example.com intext:password" , # search query
	"tbs" : "li:1" , # specify 'li:1' for verbatim search (no alternate spellings, etc.)
	"hl" : "en" ,
	"lr" : "lang_en" ,
	"cr" : "countryUS" ,
	"filter" : "0" , # specify '0' to display hidden results
	"safe" : "images" , # specify 'images' to turn off safe search, or specify 'active' to turn on safe search
	"num" : "80" # number of results per page
}

client = nagooglesearch . GoogleClient (
	tld = "com" , # top level domain, e.g., www.google.com or www.google.hr
	homepage_parameters = homepage_parameters , # 'search_parameters' will override 'homepage_parameters'
	search_parameters = search_parameters ,
	user_agent = "curl/3.30.1" , # a random user agent will be set if none is provided
	proxy = "socks5://127.0.0.1:9050" , # one of the supported URL schemes are 'http[s]', 'socks4[h]', and 'socks5[h]'
	max_results = 200 , # maximum unique URLs to return
	min_sleep = 15 , # minimum sleep between page requests
	max_sleep = 30 , # maximum sleep between page requests
	debug = True # enable debug output
)

urls = client . search ()

if client . get_error () == "REQUESTS_EXCEPTION" :
	print ( "[ Requests Exception ]" )
	# do something
elif client . get_error () == "429_TOO_MANY_REQUESTS" :
	print ( "[ HTTP 429 Too Many Requests ]" )
	# do something

for url in urls :
	print ( url )
	# do something

Si max_results está configurado en, por ejemplo, 200 y num se establece en, por ejemplo, 80 , entonces, las URL únicas máximas que podrían devolverse podrían alcanzar 240 .

Consulte la lista de agentes de usuarios aquí. Para obtener más agentes de usuarios, consulte shrapeops.io.

El más corto posible

Ejemplo, el más corto posible:

 import nagooglesearch

urls = nagooglesearch . GoogleClient ( search_parameters = { "q" : "site:*.example.com intext:password" }). search ()

# do something

Búsqueda sensible al tiempo

Ejemplo, no muestre resultados mayores de 6 meses:

 import nagooglesearch , dateutil . relativedelta as relativedelta

def get_tbs ( months ):
	today = datetime . datetime . today ()
	return nagooglesearch . get_tbs ( today , today - relativedelta . relativedelta ( months = months ))

search_parameters = {
	"tbs" : get_tbs ( 6 )
}

# do something

Agentes de usuarios

Ejemplo, obtenga todos los agentes de los usuarios:

 import nagooglesearch

user_agents = nagooglesearch . get_all_user_agents ()
print ( user_agents )

# do something

Ejemplo, obtenga un agente de usuario aleatorio:

 import nagooglesearch

user_agent = nagooglesearch . get_random_user_agent ()
print ( user_agent )

# do something