ಪೈಥಾನ್: ಸ್ಕ್ರಿಪ್ಟ್ ನಿಮ್ಮ ಸ್ಥಾಪಿತ ಹುಡುಕಾಟ ಕೀವರ್ಡ್‌ಗಳಿಗಾಗಿ ಟ್ರೆಂಡ್‌ಗಳ ಸಾರವನ್ನು ಗೂಗಲ್ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಸೂಚಿಸುತ್ತದೆ

ಟ್ರೆಂಡ್‌ಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಸೆರೆಹಿಡಿಯಲು ಪೈಥಾನ್ ಸ್ಕ್ರಿಪ್ಟ್

ಪ್ರತಿಯೊಬ್ಬರೂ ಗೂಗಲ್ ಟ್ರೆಂಡ್‌ಗಳನ್ನು ಇಷ್ಟಪಡುತ್ತಾರೆ, ಆದರೆ ಲಾಂಗ್ ಟೈಲ್ ಕೀವರ್ಡ್‌ಗಳಿಗೆ ಬಂದಾಗ ಇದು ಸ್ವಲ್ಪ ಟ್ರಿಕಿ ಆಗಿದೆ. ನಾವೆಲ್ಲರೂ ಅಧಿಕಾರಿಯನ್ನು ಇಷ್ಟಪಡುತ್ತೇವೆ ಗೂಗಲ್ ಟ್ರೆಂಡ್ಸ್ ಸೇವೆ ಹುಡುಕಾಟ ನಡವಳಿಕೆಯ ಕುರಿತು ಒಳನೋಟಗಳನ್ನು ಪಡೆಯಲು. ಆದಾಗ್ಯೂ, ಎರಡು ವಿಷಯಗಳು ಅನೇಕರನ್ನು ಘನ ಕೆಲಸಕ್ಕಾಗಿ ಬಳಸದಂತೆ ತಡೆಯುತ್ತವೆ;

  1. ನೀವು ಕಂಡುಹಿಡಿಯಬೇಕಾದಾಗ ಹೊಸ ಸ್ಥಾಪಿತ ಕೀವರ್ಡ್ಗಳುಅಲ್ಲಿ Google ಟ್ರೆಂಡ್‌ಗಳಲ್ಲಿ ಸಾಕಷ್ಟು ಡೇಟಾ ಇಲ್ಲ 
  2. ಗೂಗಲ್ ಟ್ರೆಂಡ್‌ಗಳಿಗೆ ವಿನಂತಿಗಳನ್ನು ಮಾಡಲು ಅಧಿಕೃತ API ಕೊರತೆ: ನಾವು ಮಾಡ್ಯೂಲ್‌ಗಳನ್ನು ಬಳಸಿದಾಗ ಪೈಟ್ರೆಂಡ್ಸ್, ನಂತರ ನಾವು ಪ್ರಾಕ್ಸಿ ಸರ್ವರ್‌ಗಳನ್ನು ಬಳಸಬೇಕಾಗುತ್ತದೆ, ಅಥವಾ ನಾವು ನಿರ್ಬಂಧಿಸುತ್ತೇವೆ. 

ಈ ಲೇಖನದಲ್ಲಿ, ಟ್ರೆಂಡಿಂಗ್ ಕೀವರ್ಡ್‌ಗಳನ್ನು Google Autosuggest ಮೂಲಕ ರಫ್ತು ಮಾಡಲು ನಾವು ಬರೆದ ಪೈಥಾನ್ ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಹಂಚಿಕೊಳ್ಳುತ್ತೇನೆ.

ಕಾಲಾನಂತರದಲ್ಲಿ ಫಲಿತಾಂಶಗಳನ್ನು ಸ್ವಯಂ ಸಂಗ್ರಹಿಸಿ ಮತ್ತು ಸಂಗ್ರಹಿಸಿ 

Google Autosuggest ಗೆ ಕಳುಹಿಸಲು ನಮ್ಮಲ್ಲಿ 1,000 ಬೀಜ ಕೀವರ್ಡ್‌ಗಳಿವೆ ಎಂದು ಭಾವಿಸೋಣ. ಇದಕ್ಕೆ ಪ್ರತಿಯಾಗಿ, ನಾವು ಬಹುಶಃ 200,000 ಪಡೆಯುತ್ತೇವೆ ಉದ್ದ ಬಾಲ ಕೀವರ್ಡ್ಗಳು. ನಂತರ, ನಾವು ಒಂದು ವಾರದ ನಂತರ ಅದೇ ರೀತಿ ಮಾಡಬೇಕು ಮತ್ತು ಎರಡು ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಲು ಈ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ಹೋಲಿಸಬೇಕು:

  • ಯಾವ ಪ್ರಶ್ನೆಗಳು ಹೊಸ ಕೀವರ್ಡ್ಗಳು ಕೊನೆಯ ಬಾರಿಗೆ ಹೋಲಿಸಿದರೆ? ಇದು ಬಹುಶಃ ನಮಗೆ ಬೇಕಾಗಿರುವುದು. ಆ ಪ್ರಶ್ನೆಗಳು ಹೆಚ್ಚು ಮಹತ್ವದ್ದಾಗುತ್ತಿವೆ ಎಂದು ಗೂಗಲ್ ಭಾವಿಸುತ್ತದೆ - ಹಾಗೆ ಮಾಡುವುದರಿಂದ, ನಾವು ನಮ್ಮದೇ ಆದ Google ಸ್ವಯಂಪ್ರೇರಿತ ಪರಿಹಾರವನ್ನು ರಚಿಸಬಹುದು! 
  • ಯಾವ ಪ್ರಶ್ನೆಗಳು ಕೀವರ್ಡ್ಗಳು ಇನ್ನು ಮುಂದೆ ಟ್ರೆಂಡಿಂಗ್?

ಸ್ಕ್ರಿಪ್ಟ್ ಸಾಕಷ್ಟು ಸುಲಭ, ಮತ್ತು ನಾನು ಹಂಚಿಕೊಂಡ ಹೆಚ್ಚಿನ ಕೋಡ್ ಇಲ್ಲಿ. ನವೀಕರಿಸಿದ ಕೋಡ್ ಹಿಂದಿನ ರನ್ಗಳಿಂದ ಡೇಟಾವನ್ನು ಉಳಿಸುತ್ತದೆ ಮತ್ತು ಕಾಲಾನಂತರದಲ್ಲಿ ಸಲಹೆಗಳನ್ನು ಹೋಲಿಸುತ್ತದೆ. ಅದನ್ನು ಸರಳಗೊಳಿಸಲು ನಾವು SQLite ನಂತಹ ಫೈಲ್-ಆಧಾರಿತ ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ತಪ್ಪಿಸಿದ್ದೇವೆ - ಆದ್ದರಿಂದ ಎಲ್ಲಾ ಡೇಟಾ ಸಂಗ್ರಹಣೆಯು ಕೆಳಗಿನ CSV ಫೈಲ್‌ಗಳನ್ನು ಬಳಸುತ್ತಿದೆ. ಇದು ಎಕ್ಸೆಲ್ ನಲ್ಲಿ ಫೈಲ್ ಅನ್ನು ಆಮದು ಮಾಡಲು ಮತ್ತು ನಿಮ್ಮ ವ್ಯವಹಾರಕ್ಕಾಗಿ ಸ್ಥಾಪಿತ ಕೀವರ್ಡ್ ಪ್ರವೃತ್ತಿಗಳನ್ನು ಅನ್ವೇಷಿಸಲು ನಿಮಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

ಈ ಪೈಥಾನ್ ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಬಳಸಲು

  1. ಸ್ವಯಂಪೂರ್ಣತೆಗೆ ಕಳುಹಿಸಬೇಕಾದ ನಿಮ್ಮ ಬೀಜ ಕೀವರ್ಡ್ ಸೆಟ್ ಅನ್ನು ನಮೂದಿಸಿ: keywords.csv
  2. ನಿಮ್ಮ ಅಗತ್ಯಕ್ಕಾಗಿ ಸ್ಕ್ರಿಪ್ಟ್ ಸೆಟ್ಟಿಂಗ್‌ಗಳನ್ನು ಹೊಂದಿಸಿ:
    • ಭಾಷೆ: ಡೀಫಾಲ್ಟ್ “ಎನ್”
    • ದೇಶ: ಡೀಫಾಲ್ಟ್ “ನಮಗೆ”
  3. ವಾರಕ್ಕೊಮ್ಮೆ ಚಲಾಯಿಸಲು ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ನಿಗದಿಪಡಿಸಿ. ನೀವು ಬಯಸಿದಂತೆ ನೀವು ಅದನ್ನು ಕೈಯಾರೆ ಚಲಾಯಿಸಬಹುದು.
  4. ಹೆಚ್ಚಿನ ವಿಶ್ಲೇಷಣೆಗಾಗಿ keyword_suggestions.csv ಬಳಸಿ:
    • ಮೊದಲ_ಸೀನ್: ಇದು ಸ್ವಯಂ ಸಲಹೆಯಲ್ಲಿ ಮೊದಲ ಬಾರಿಗೆ ಪ್ರಶ್ನೆ ಕಾಣಿಸಿಕೊಂಡ ದಿನಾಂಕ
    • ಕಡೆ ಬಾರಿ ಕಂಡದು: ಪ್ರಶ್ನೆಯನ್ನು ಕೊನೆಯ ಬಾರಿಗೆ ನೋಡಿದ ದಿನಾಂಕ
    • is_New: first_seen == last_seen ನಾವು ಇದನ್ನು ಹೊಂದಿಸಿದ್ದೇವೆ ಟ್ರೂ - Google ಸ್ವಯಂಚಾಲಿತ ಸಲಹೆಯಲ್ಲಿ ಹೊಸ ಟ್ರೆಂಡಿಂಗ್ ಹುಡುಕಾಟಗಳನ್ನು ಪಡೆಯಲು ಈ ಮೌಲ್ಯವನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಿ.

ಪೈಥಾನ್ ಕೋಡ್ ಇಲ್ಲಿದೆ

# 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

ಪೈಥಾನ್ ಸ್ಕ್ರಿಪ್ಟ್ ಡೌನ್‌ಲೋಡ್ ಮಾಡಿ

ನೀವು ಏನು ಆಲೋಚಿಸುತ್ತೀರಿ ಏನು?

ಸ್ಪ್ಯಾಮ್ ಅನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಈ ಸೈಟ್ ಅಕಿಸ್ಸೆಟ್ ಅನ್ನು ಬಳಸುತ್ತದೆ. ನಿಮ್ಮ ಕಾಮೆಂಟ್ ಡೇಟಾವನ್ನು ಹೇಗೆ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲಾಗುತ್ತಿದೆ ಎಂಬುದನ್ನು ತಿಳಿಯಿರಿ.