पाइथन: स्क्रिप्ट ए गूगल ऑटोसुगेस्ट एक्सट्रैक्ट ऑफ़ ट्रेंड्स फॉर योर नीच सर्च कीवर्ड

पायथन स्क्रिप्ट ऑटोसुगेस्ट ट्रेंड्स को पकड़ने के लिए

Google Trends को सभी पसंद करते हैं, लेकिन Long Tail Keywords की बात करें तो यह थोड़ा मुश्किल है। हम सभी को अधिकारी पसंद है Google रुझान सेवा खोज व्यवहार पर अंतर्दृष्टि प्राप्त करने के लिए। हालांकि, दो चीजें कई लोगों को ठोस काम के लिए इसका इस्तेमाल करने से रोकती हैं;

  1. जब आपको खोजना हो नए आला कीवर्ड, क्या आप वहां मौजूद हैं Google रुझान पर पर्याप्त डेटा नहीं है 
  2. Google रुझानों के लिए अनुरोध करने के लिए आधिकारिक एपीआई का अभाव: जब हम जैसे मॉड्यूल का उपयोग करते हैं पाइटरेंड्स, तो हमें प्रॉक्सी सर्वर का उपयोग करना होगा, या हम अवरुद्ध हो जाएंगे। 

इस लेख में, मैं एक पायथन स्क्रिप्ट साझा करूँगा जिसे हमने Google Autosuggest के माध्यम से ट्रेंडिंग कीवर्ड निर्यात करने के लिए लिखा है।

समय के साथ परिणाम प्राप्त करें और संग्रहीत करें 

मान लें कि हमारे पास Google ऑटोसुगेस्ट पर भेजे जाने वाले 1,000 सीड कीवर्ड हैं। बदले में, हम लगभग 200,000 प्राप्त करेंगे लम्बी पूछ कीवर्ड। फिर, हमें एक सप्ताह बाद ऐसा ही करने की आवश्यकता है और दो सवालों के जवाब देने के लिए इन डेटासेट की तुलना करें:

  • कौन से प्रश्न हैं नए कीवर्ड पिछली बार की तुलना में? शायद यही मामला हमारी जरूरत है। Google को लगता है कि वे प्रश्न अधिक महत्वपूर्ण होते जा रहे हैं - ऐसा करके, हम अपना स्वयं का Google स्वतः समाधान बना सकते हैं! 
  • कौन से प्रश्न हैं कीवर्ड अब नहीं हैं ट्रेंड कर रहा है?

स्क्रिप्ट काफी आसान है, और अधिकांश कोड मैंने साझा किए हैं यहाँ। अद्यतन कोड डेटा को पिछले रन से बचाता है और समय के साथ सुझावों की तुलना करता है। हमने इसे सरल बनाने के लिए SQLite जैसे फ़ाइल-आधारित डेटाबेस से परहेज किया है - इसलिए सभी डेटा संग्रहण CSV फ़ाइलों का उपयोग कर रहे हैं। यह आपको एक्सेल में फ़ाइल आयात करने और आपके व्यवसाय के लिए आला खोजशब्द रुझान का पता लगाने में सक्षम बनाता है।

इस पायथन स्क्रिप्ट का उपयोग करने के लिए

  1. अपना बीज कीवर्ड सेट डालें जो स्वतः पूर्ण: कीवर्ड.वस्क पर भेजा जाना चाहिए
  2. अपनी आवश्यकता के लिए स्क्रिप्ट सेटिंग्स समायोजित करें:
    • भाषा: डिफ़ॉल्ट "एन"
    • देश: डिफ़ॉल्ट "हमें"
  3. सप्ताह में एक बार चलने के लिए स्क्रिप्ट शेड्यूल करें। आप इसे अपनी इच्छानुसार मैन्युअल रूप से भी चला सकते हैं।
  4. आगे के विश्लेषण के लिए keyword_suggestions.csv का उपयोग करें:
    • पहले देखा: यह वह तिथि है, जहां क्वेरी स्वतः पहली बार दिखाई देती है
    • अंतिम बार देखा गया: वह तिथि जहाँ अंतिम बार क्वेरी देखी गई थी
    • नया है: अगर first_seen == last_seen हम इसे सेट करते हैं यह सच है - Google autosuggest में नई ट्रेंडिंग खोजों को प्राप्त करने के लिए बस इस मान पर फ़िल्टर करें।

यहाँ पायथन कोड है

# Pemavor.com Autocomplete Trends
# Author: Stefan Neefischer (stefan.neefischer@gmail.com)
import concurrent.futures
from datetime import date
from datetime import datetime
import pandas as pd
import itertools
import requests
import string
import json
import time

charList = " " + string.ascii_lowercase + string.digits

def makeGoogleRequest(query):
    # If you make requests too quickly, you may be blocked by google 
    time.sleep(WAIT_TIME)
    URL="http://suggestqueries.google.com/complete/search"
    PARAMS = {"client":"opera",
            "hl":LANGUAGE,
            "q":query,
            "gl":COUNTRY}
    response = requests.get(URL, params=PARAMS)
    if response.status_code == 200:
        try:
            suggestedSearches = json.loads(response.content.decode('utf-8'))[1]
        except:
            suggestedSearches = json.loads(response.content.decode('latin-1'))[1]
        return suggestedSearches
    else:
        return "ERR"

def getGoogleSuggests(keyword):
    # err_count1 = 0
    queryList = [keyword + " " + char for char in charList]
    suggestions = []
    for query in queryList:
        suggestion = makeGoogleRequest(query)
        if suggestion != 'ERR':
            suggestions.append(suggestion)

    # Remove empty suggestions
    suggestions = set(itertools.chain(*suggestions))
    if "" in suggestions:
        suggestions.remove("")
    return suggestions

def autocomplete(csv_fileName):
    dateTimeObj = datetime.now().date()
    #read your csv file that contain keywords that you want to send to google autocomplete
    df = pd.read_csv(csv_fileName)
    keywords = df.iloc[:,0].tolist()
    resultList = []

    with concurrent.futures.ThreadPoolExecutor(max_workers=MAX_WORKERS) as executor:
        futuresGoogle = {executor.submit(getGoogleSuggests, keyword): keyword for keyword in keywords}

        for future in concurrent.futures.as_completed(futuresGoogle):
            key = futuresGoogle[future]
            for suggestion in future.result():
                resultList.append([key, suggestion])

    # Convert the results to a dataframe
    suggestion_new = pd.DataFrame(resultList, columns=['Keyword','Suggestion'])
    del resultList

    #if we have old results read them
    try:
        suggestion_df=pd.read_csv("keyword_suggestions.csv")
        
    except:
        suggestion_df=pd.DataFrame(columns=['first_seen','last_seen','Keyword','Suggestion'])
    
    suggestionCommon_list=[]
    suggestionNew_list=[]
    for keyword in suggestion_new["Keyword"].unique():
        new_df=suggestion_new[suggestion_new["Keyword"]==keyword]
        old_df=suggestion_df[suggestion_df["Keyword"]==keyword]
        newSuggestion=set(new_df["Suggestion"].to_list())
        oldSuggestion=set(old_df["Suggestion"].to_list())
        commonSuggestion=list(newSuggestion & oldSuggestion)
        new_Suggestion=list(newSuggestion - oldSuggestion)
         
        for suggest in commonSuggestion:
            suggestionCommon_list.append([dateTimeObj,keyword,suggest])
        for suggest in new_Suggestion:
            suggestionNew_list.append([dateTimeObj,dateTimeObj,keyword,suggest])
    
    #new keywords
    newSuggestion_df = pd.DataFrame(suggestionNew_list, columns=['first_seen','last_seen','Keyword','Suggestion'])
    #shared keywords with date update
    commonSuggestion_df = pd.DataFrame(suggestionCommon_list, columns=['last_seen','Keyword','Suggestion'])
    merge=pd.merge(suggestion_df, commonSuggestion_df, left_on=["Suggestion"], right_on=["Suggestion"], how='left')
    merge = merge.rename(columns={'last_seen_y': 'last_seen',"Keyword_x":"Keyword"})
    merge["last_seen"].fillna(merge["last_seen_x"], inplace=True)
    del merge["last_seen_x"]
    del merge["Keyword_y"]
    
    #merge old results with new results
    frames = [merge, newSuggestion_df]
    keywords_df =  pd.concat(frames, ignore_index=True, sort=False)
    # Save dataframe as a CSV file
    keywords_df['first_seen'] = pd.to_datetime(keywords_df['first_seen'])
    keywords_df = keywords_df.sort_values(by=['first_seen','Keyword'], ascending=[False,False])   
    keywords_df['first_seen']= pd.to_datetime(keywords_df['first_seen'])
    keywords_df['last_seen']= pd.to_datetime(keywords_df['last_seen'])
    keywords_df['is_new'] = (keywords_df['first_seen']== keywords_df['last_seen'])
    keywords_df=keywords_df[['first_seen','last_seen','Keyword','Suggestion','is_new']]
    keywords_df.to_csv('keyword_suggestions.csv', index=False)

# If you use more than 50 seed keywords you should slow down your requests - otherwise google is blocking the script
# If you have thousands of seed keywords use e.g. WAIT_TIME = 1 and MAX_WORKERS = 5
WAIT_TIME = 0.2
MAX_WORKERS = 20
# set the autocomplete language
LANGUAGE = "en"
# set the autocomplete country code - DE, US, TR, GR, etc..
COUNTRY="US"
# Keyword_seed csv file name. One column csv file.
#csv_fileName="keyword_seeds.csv"
CSV_FILE_NAME="keywords.csv"
autocomplete(CSV_FILE_NAME)
#The result will save in keyword_suggestions.csv csv file

पायथन स्क्रिप्ट डाउनलोड करें

तुम्हें क्या लगता है?

यह साइट स्पैम को कम करने के लिए अकिस्मेट का उपयोग करती है। जानें कि आपका डेटा कैसे संसाधित किया जाता है.