Google API 创建搜索

杨竹青

需要的类  

要通过 Java 使用 Google API，请确保适当的类都能找到。Google 为方便起见已经将这些类捆绑到了 googleapi.jar 文件中，这个文件作为分发包的一部分被包含。这个文件包括：

用于 SOAP 类的 Java 包装器类，在 package com.google.soap.search 中。
Java Activation Framework 1.0.1，通常您可以在 activation.jar 中找到。
JavaMail TM API，通常您可以在 mailapi.jar 中找到。
Apache SOAP 2.2 工具箱，通常您可以在 apache-soap-22.jar 中找到。
Apache Crimson 1.1.3，通常您可以在 crimson.jar 中找到。（请注意，这是 Crimson，而“不是”Xerces。这两者处理 XML 的方式相似，但不完全相同。）
请注意在 googleapi.jar 中不包括 Java API for XML Messaging（JAXM），但使用 Google API 不一定需要。


您将从此处开始实际创建一个简单的搜索，执行它，然后研究结果。示例中会展示一些简单的应用程序，它们的结果会输出到命令行；您怎么处理最终数据是您的事。

import com.google.soap.search.GoogleSearch;
         
public class GoogleSearchTutorial {
         
     public static void main (String[] args) {
      
         String searchTerm = args[0];
         
         GoogleSearch search = new GoogleSearch();
         
         search.setKey("00000000000000000000000000000000");
         search.setQueryString(searchTerm);
         
     }
         
}
在这个示例中主要的对象是 GoogleSearch。使用的时候，你要设置参数，然后实际执行搜索，就会有结果返回。

请注意，setKey() 让您将个人的授权码发到应用程序。请用您注册 Google 帐户时收到的授权码替换这些零。

除此之外，执行搜索所需要的就只有搜索项本身了。我会在构造搜索中更多的说到构建搜索，但目前就认为您可以搜索任何词或词组。

您一设置好授权码和搜索项，就为实际执行搜索做好了准备。


实际上，执行搜索相当方便：

import com.google.soap.search.GoogleSearch;
import com.google.soap.search.GoogleSearchResult;  
import com.google.soap.search.GoogleSearchFault;      
         
public class GoogleSearchTutorial {
         
     public static void main (String[] args) {
      
         String searchTerm = args[0];
         
         try {      
         
            GoogleSearch search = new GoogleSearch();
         
            search.setKey("00000000000000000000000000000000");
            search.setQueryString(searchTerm);
         
            GoogleSearchResult result = search.doSearch();  

          int numResults = result.getEstimatedTotalResultsCount();  
      
            if ( result.getEstimateIsExact() ){
               System.out.println("Number of results: "+numResults);
            } else {
               System.out.println("Estimated number of results:"+numResults);
            }
   } catch (GoogleSearchFault gsf) {  
        System.out.println("Google Search Fault: "+gsf.getMessage());  
   }      
         
     }
         
}
doSearch() 方法依据前一屏中设定的查询条件进行搜索，返回对象 GoogleSearchResult，可以使用它携带的方法来访问数据。特别有用的一点信息是结果的个数以及该数字是否准确。

例如，如果编译和运行这个应用程序时使用了命令行参数："science fiction"（包括引号），它将返回如下文本：

Estimated number of results: 1790000
在向 Web 服务请求信息时，任何事情都可能出错，Google API 包括了 GoogleSearchFault 类，它充当可能出现的任何异常的包装器。


检索结果本身并不难。GoogleSearchResult 对象就提供了一种查找结果本身的简单方式：

...
            search.setKey("00000000000000000000000000000000");
            search.setQueryString(searchTerm);
         
            GoogleSearchResult result = search.doSearch();
            System.out.println( result.toString() );
            
         } catch (GoogleSearchFault gsf) {
...
被覆盖掉的 toString() 方法提供了一种很方便的方法来查看结果。例如，同样搜索 "science fiction" 将返回如下的结果：

[
    URL    = "http://www.sfsite.com/home.htm"
    Title = "The SF Site: The Best in <b>Science</b>
<b>Fiction</b> and Fantasy"
    Snippet = " <b>...</b> Magazine of Fantasy &
<b>Science</b> <b>Fiction</b>
, April 2002 The Magazine of Fantasy & <b>Science</b
><br> <b>Fiction</b>, April 2002 reviewed by David Soyka Charles
Coleman Finlay cover <b>...</b>     "
    Directory Category = {SE="", FVN=""}
    Directory Title = ""
    Summary = ""
    Cached Size = "36k"
    Related information present = true
    Host Name = ""
    ],
         
    [
    URL    = "http://www.asimovs.com/"
    Title = "Asimov's <b>Science</b> <b>Fiction</b>"
    Snippet = "Asimov's SF T-shirts Quantities are limited, so buy your own<br> As
imov's <b>Science</b> <b>Fiction</b> t-shirt while supplies last!
<b>...</b>     "
    Directory Category = {SE="", FVN="Top/Arts/Literature/Genres/
     Science_Fiction/Magazines_and_E-zines"}
    Directory Title = "Asimov's <b>Science</b> <b>Fiction</b> "
    Summary = "Essays by Isaac Asimov, stories, book and net reviews,
     readers' forum and chats, writers guidelines,... "
    Cached Size = "31k"
    Related information present = true
    Host Name = ""
    ],
         
    [
    URL    = "http://worldcon.org/"
    Title = "World <b>Science</b> <b>Fiction</b> Society /
Worldcon [Official]"
    Snippet = "World <b>Science</b> <b>Fiction</b> Society World
<b>Science</b> <b
>Fiction</b> Convention.<br> [updated 7 november 2001]. Upcoming Worldcons. <b>.
..</b>     "
    Directory Category = {SE="",
FVN="Top/Arts/Genres/Science_Fiction_and_Fantasy/
Fandom/Conventions_and_Organizations/WorldCon"}
    Directory Title = "World <b>Science</b> <b>Fiction</b> Society /
WorldCon "
    Summary = "Website with some basic information, schedule of upcoming WorldCons
, and links to the websites of... "
    Cached Size = "10k"
    Related information present = true
    Host Name = ""
    ],
...
      
      
     
以上这个不完整的清单中展示了每个结果的一些可用信息。虽然我想从检索结果集开始提取（以及控制）一些信息，但首先要看一下影响 Google 搜索本身的一些因素。

构造搜索


找什么都能找到的关键是知道问些什么。这对于 Google 同样正确。API 搜索使用的算法和 Web 搜索的一模一样，因此这将有助于理解。

当您要找的词不止一个时，Google 将只返回那些包含所有搜索项的页面，但不一定是按所请求的顺序。例如，搜索项

science fiction
将返回包含“science”和“fiction”这两个词的所有页面，只要它们在文中某处出现过，不管是在正文、标题还是 URL 中，也不管它们是不是作为整体出现。硬要它们作为整体出现，则搜索项必须是

"science fiction"
引号使 Google 只去搜索作为词组的搜索项。要搜索包含其中一个词的页面，请使用

science OR fiction
注意，OR 必须大写，否则它将会被当作停止词。

停止词和其它搜索修饰词  


停止词是指从查询中略去的常见词。它们包括 the、and、a、or 以及 how，等等。硬要在查询中包括停止词，请在前面冠以加号（+），如

"+the science +of fiction"

注意，只是用引号把词组括住还不足以总能使常见词被包括在内。

同样，您可以使用减号（-）排除一些项，如

science -fiction

它将只返回有关科学方面的结果。

Google 还查询将确定在哪里寻找搜索项的许多不同修饰词。这些修饰词包括：

intitle:
allintitle:
inurl:
allinurl:
allintext:
allinlinks:
filetype:
link:
daterange:
这些修饰词可以与其它搜索词结合起来以筛选结果集。例如，查询

"science fiction" daterange:2452365-2452395