Question

12.7. 搜索 Google

让我们回到这章开始时你看到的那段代码，获得比当前气温更有价值和令人振奋的信息。

Google 提供了一个 SOAP API ，以便通过程序进行 Google 搜索。使用它的前提是，你注册了 Google 网络服务。

过程 12.4. 注册 Google 网络服务

1. 访问 http://www.google.com/apis/ 并创建一个账号。 唯一的需要是提供一个 E-mail 地址。 注册之后，你将通过 E-mail 收到你的 Google API 许可证（license key）。 你需要在调用 Google 搜索函数时使用这个许可证。

2. 还是在 http://www.google.com/apis/ 上，下载 Google 网络 APIs 开发工具包（kit）。它包含着包括 Python 在内的多种语言的样例代码，更重要的是它包含着 WSDL 文件。

3. 解压这个开发工具包并找到 GoogleSearch.wsdl。将这个文件拷贝到你本地驱动器的一个永久地址。在本章后面位置你会用到它。

你有了开发许可证和 Google WSDL 文件之后就可以和 Google 网络服务打交道了。

例 12.12. 内省 Google 网络服务

>>> from SOAPpy import WSDL
>>> server = WSDL.Proxy('/path/to/your/GoogleSearch.wsdl') 
>>> server.methods.keys()                                  
[u'doGoogleSearch', u'doGetCachedPage', u'doSpellingSuggestion']
>>> callInfo = server.methods['doGoogleSearch']
>>> for arg in callInfo.inparams:                          
...     print arg.name.ljust(15), arg.type
key             (u'http://www.w3.org/2001/XMLSchema', u'string')
q               (u'http://www.w3.org/2001/XMLSchema', u'string')
start           (u'http://www.w3.org/2001/XMLSchema', u'int')
maxResults      (u'http://www.w3.org/2001/XMLSchema', u'int')
filter          (u'http://www.w3.org/2001/XMLSchema', u'boolean')
restrict        (u'http://www.w3.org/2001/XMLSchema', u'string')
safeSearch      (u'http://www.w3.org/2001/XMLSchema', u'boolean')
lr              (u'http://www.w3.org/2001/XMLSchema', u'string')
ie              (u'http://www.w3.org/2001/XMLSchema', u'string')
oe              (u'http://www.w3.org/2001/XMLSchema', u'string')

	步入 Google 网络服务很简单：建立一个 WSDL.Proxy 对象并指向到你复制到本地的 Google WSDL 文件。
	由 WSDL 文件可知，Google 提供三个函数：doGoogleSearch, doGetCachedPage 和 doSpellingSuggestion。顾名思义，执行 Google 搜索并返回结果，获得 Google 最后一次扫描该页时获得的缓存，为基于常见拼写错误提出单词拼写建议。
	doGoogleSearch 函数需要一系列不同类型的参数。注意： WSDL 文件可以告诉你有哪些参数和他们的参数类型，但不能告诉你它们的含义和使用方法。在参数值有限定的情况下，理论上它能够告诉你参数的取值范围，但 Google 的 WSDL 没有那么细化。 WSDL.Proxy 不会变魔术，它只能给你 WSDL 文件中提供的信息。

这里简要地列出了 doGoogleSearch 函数的所有参数：

• key —— 你注册 Google 网络服务时获得的 Google API 许可证。
• q —— 你要搜索的词或词组。其语法与 Google 的网站表单处完全相同，你所知道的高级搜索语法和技巧这里完全适用。
• start —— 起始的结果编号。与使用 Google 网页交互搜索时相同，这个函数每次返回10个结果。如果你需要查看 “第二” 页结果则需要将 start 设置为10。
• maxResults —— 返回的结果个数。目前的值是10，当然如果你只对少数返回结果感兴趣或者希望节省网络带宽，也可以定义为返回更少的结果。
• filter —— 如果设置为 True，Google 将会过滤结果中重复的页面。
• restrict —— 这里设置 country 并跟上一个国家代码可以限定只返回特定国家的结果。例如： countryUK 用于在英国搜索页面。你也可以设定 linux， mac 或者 bsd 以便搜索 Google 定义的技术站点组，或者设为 unclesam 来搜索美国政府站点。
• safeSearch —— 如果设置为 True， Google 将会过滤掉色情站点。
• lr (“语言限制”) —— 这里设置语言限定值返回特定语言的站点。
• ie and oe (“输入编码” 和 “输出编码”) —— 不赞成使用，都应该是 utf-8。

例 12.13. 搜索 Google

>>> from SOAPpy import WSDL
>>> server = WSDL.Proxy('/path/to/your/GoogleSearch.wsdl')
>>> key = 'YOUR_GOOGLE_API_KEY'
>>> results = server.doGoogleSearch(key, 'mark', 0, 10, False, "",
...     False, "", "utf-8", "utf-8")             
>>> len(results.resultElements)                  
10
>>> results.resultElements[0].URL                
'http://diveintomark.org/'
>>> results.resultElements[0].title
'dive into <b>mark</b>'

	在设置好 WSDL.Proxy 对象之后，你可以使用十个参数来调用 server.doGoogleSearch。 记住在要使用你注册 Google 网络服务时授权给你自己的 Google API 许可证。
	有很多的返回信息，但我们还是先来看一下实际的返回结果。它们被存储于 results.resultElements 之中，你可以像使用普通的 Python 列表那样来调用它。
	resultElements 中的每个元素都是一个包含 URL， title, snippet 以及其他属性的对象。基于这一点，你可以使用诸如 dir(results.resultElements[0]) 的普通 Python 自省技术来查看有效属性，或者通过 WSDL proxy 对象查看函数的 outparams。 不同的方法能带给你相同的结果。

results 对象中所加载的不仅仅是实际的搜索结果。 它也含有搜索行为自身的信息，比如耗时和总结果数等（尽管只返回了10条结果）。 Google 网页界面中显示了这些信息，通过程序你也同样能获得它们。

例 12.14. 从Google获得次要信息

>>> results.searchTime                     
0.224919
>>> results.estimatedTotalResultsCount     
29800000
>>> results.directoryCategories            
[<SOAPpy.Types.structType item at 14367400>:
 {'fullViewableName':
  'Top/Arts/Literature/World_Literature/American/19th_Century/Twain,_Mark',
  'specialEncoding': ''}]
>>> results.directoryCategories[0].fullViewableName
'Top/Arts/Literature/World_Literature/American/19th_Century/Twain,_Mark'

	这个搜索耗时 0.224919 秒。这不包括用于发送和接收 SOAP XML 文档的时间，仅仅是 Google 在接到搜索请求后执行搜索所花费的时间。
	总共有接近30,000,000个结果信息，你可以通过以 10 递增地改变 start 参数来重复调用 server.doGoogleSearch 。
	对于有些请求，Google 还返回一个 Google Directory 中的类别列表。你可以用这些 URLs 到 http://directory.google.com/ 建立到 directory category 页面的链接。