পাইথন: স্ক্রিপ্ট আপনার কুলুঙ্গি অনুসন্ধানের কীওয়ার্ডগুলির জন্য গুগলের একটি অটোসোজেস্ট এক্সট্র্যাক্ট

অটোসোজেস্ট ট্রেন্ডস ক্যাপচার করার জন্য পাইথন স্ক্রিপ্ট

গুগল ট্রেন্ডস প্রত্যেকে পছন্দ করে তবে লং টেইল কীওয়ার্ডের ক্ষেত্রে এটি কিছুটা জটিল। আমরা সবাই অফিসিয়ালকে পছন্দ করি গুগল ট্রেন্ডস পরিষেবা অনুসন্ধান আচরণ সম্পর্কে অন্তর্দৃষ্টি পাওয়ার জন্য। যাইহোক, দুটি জিনিস দৃ work় কাজের জন্য এটি ব্যবহার করতে বাধা দেয়;

  1. যখন আপনার সন্ধান করা দরকার নতুন কুলুঙ্গি, সেখানে গুগল ট্রেন্ডস এ যথেষ্ট ডেটা নয় 
  2. গুগল ট্রেন্ডগুলিতে অনুরোধ করার জন্য অফিসিয়াল এপিআইয়ের অভাব: আমরা যখন মডিউলগুলি ব্যবহার করি তখন পাইট্রেন্ডস, তারপরে আমাদের প্রক্সি সার্ভার ব্যবহার করতে হবে, বা আমাদের অবরুদ্ধ করা হবে। 

এই নিবন্ধে, আমি একটি পাইথন স্ক্রিপ্ট ভাগ করব যা আমরা গুগল অটোসজেস্টের মাধ্যমে ট্রেন্ডিং কীওয়ার্ড রফতানি করতে লিখেছি।

সময়ের সাথে সাথে অটোসোজেস্ট ফলাফলগুলি আনুন এবং সঞ্চয় করুন 

মনে করুন গুগল অটোসজেস্টে পাঠানোর জন্য আমাদের কাছে 1,000 বীজ কীওয়ার্ড রয়েছে। বিনিময়ে, আমরা সম্ভবত প্রায় 200,000 পেয়ে যাব দীর্ঘ পুচ্ছ কীওয়ার্ডস তারপরে, আমাদের এক সপ্তাহ পরে একই কাজ করতে হবে এবং দুটি প্রশ্নের উত্তর দেওয়ার জন্য এই ডেটাসেটগুলি তুলনা করতে হবে:

  • কোন প্রশ্ন নতুন কীওয়ার্ড শেষ সময়ের তুলনায়? আমাদের সম্ভবত এটিই প্রয়োজন। গুগল মনে করে যে এই প্রশ্নগুলি আরও তাত্পর্যপূর্ণ হয়ে উঠছে - এর মাধ্যমে আমরা আমাদের নিজস্ব গুগল অটোসগাস্ট সমাধানটি তৈরি করতে পারি! 
  • কোন প্রশ্ন কীওয়ার্ড আর নেই চলমান?

স্ক্রিপ্টটি বেশ সহজ এবং আমি বেশিরভাগ কোডটি ভাগ করে নিয়েছি এখানে। আপডেট কোডটি সময়ের সাথে পরামর্শগুলি এবং সময়ের সাথে তুলনা করে সংরক্ষণ করে। এটিকে সহজ করার জন্য আমরা এসকিউএলাইটের মতো ফাইল-ভিত্তিক ডাটাবেসগুলি এড়িয়ে চলেছি - সুতরাং সমস্ত ডেটা স্টোরেজ নীচে সিএসভি ফাইল ব্যবহার করছে। এটি আপনাকে এক্সেলের মধ্যে ফাইলটি আমদানি করতে এবং আপনার ব্যবসায়ের জন্য মূল কীওয়ার্ডের ট্রেন্ডগুলি অন্বেষণ করতে সক্ষম করে।

এই পাইথন স্ক্রিপ্টটি ব্যবহার করতে

  1. আপনার বীজ কীওয়ার্ড সেটটি প্রবেশ করুন যা স্বয়ংক্রিয়রূপে পাঠানো উচিত: কী-ওয়ার্ড সিএসভি
  2. আপনার প্রয়োজনের জন্য স্ক্রিপ্ট সেটিংস সামঞ্জস্য করুন:
    • ভাষা: ডিফল্ট "en"
    • দেশ: ডিফল্ট "আমাদের"
  3. সপ্তাহে একবার চালানোর জন্য স্ক্রিপ্ট শিডিউল করুন। আপনি এটি নিজের মতো চালাতে পারেন।
  4. আরও বিশ্লেষণের জন্য কীওয়ার্ড_সুগেশনস সিএসভি ব্যবহার করুন:
    • প্রথম_দর্শন: এটি সেই তারিখ যেখানে অটোসোজেস্টে ক্যোয়ারী প্রথমবারের জন্য উপস্থিত হয়েছিল
    • শেষ দেখা: কোয়েরিটি সর্বশেষবারের জন্য দেখা হয়েছে date
    • নতুন: যদি প্রথম_সীন == সর্বশেষ_সীন আমরা এটিকে সেট করি সত্য - গুগল অটোসোজেস্টে নতুন ট্রেন্ডিং অনুসন্ধানগুলি পেতে এই মানটিতে কেবল ফিল্টার করুন।

পাইথন কোডটি এখানে

# 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

পাইথন স্ক্রিপ্টটি ডাউনলোড করুন

আপনি কি মনে করেন?

এই সাইট স্প্যাম কমাতে Akismet ব্যবহার করে। আপনার ডেটা প্রক্রিয়া করা হয় তা জানুন.