BING SEARCH APIを使用する場合、重複した結果をどのようにして除外しますか？

Question

私はpython 2.7 BING SEARCH APIを作成しました。これはページあたり50カウントを返し、オフセット値を毎回50ずつ変更することによってページを区切ります。結果はJSONファイルに書き込まれます。

私のAPI呼び出しのヘッダーにUser-AgentとX-Search-ClientIPを指定しています。また、ウェブページのresponseFilterと、 'en-us'のmkt値も指定しています。

複数の検索結果が重複しているため、私は心配です。私が10回ページすると（したがって、50 X 10 = 500の結果を検索する）、これらのうち約17％は重複レコードです。私は強制的に非重複値を返すように強制することができる方法はありますか？一意の値のみを取得することに近づくために、私が取るべき推奨する追加ステップは何ですか？

#!/usr/bin/env python 
# -*- coding: utf-8 -*- 
import httplib, urllib, base64, json, re, os, sys, codecs, locale, time 

pull_count = 50       ## Var used to control # of hits per pull 
offset = 0         ## Var used to push pagination counter to http get 
num_paginations = 10      ## Var used to control max # of paginations 
local_counter = 1       ## Helps Write commas to json file for all but last run 
timer_counter = 1       ## Variable used to make system wait after 5 pulls 
dump_file = 'BingDump.json'    ## Name of local file where results are written to 
api_domain = 'api.cognitive.microsoft.com' 
query = 'Bill Gates' 
user_agent = 'Mozilla/5.0 (MAC OSX, Educational Usage Only)' 
x_search = '199.99.99.99' 

#Request Headers, open connection, open file write to output file 
headers = { 
    'Ocp-Apim-Subscription-Key': 'MYSUBSCRIPTIONKEY', 
    'User-Agent' : user_agent, 
    'X-Search-ClientIP': x_search, 
} 
conn = httplib.HTTPSConnection(api_domain) 
fhand = open(dump_file,'w') 

#Function to build URL for API PULL 
def scraper() : 
    pull_count_str = str(pull_count) 
    offset_str = str(offset) 
    params = urllib.urlencode({ 
     'q': query, 
     'count': pull_count_str, 
     'offset': offset_str, 
     'mkt': 'en-us', 
     'safesearch': 'Moderate', 
     'responseFilter': 'webpages', #controls whether pull scrapes from web/image/news etc 
    }) 
    return(params) 

#Function set to wait 4 seconds after 5 pulls 
def holdup(entry) : 
    if entry != 5 : 
     entry += 1 
    else: 
     entry = 1 
     time.sleep(4) 
    return(entry) 

#Function that establishes http get, and writes data to json file 
def getwrite(entry1, entry2) : 
    conn.request("GET", "/bing/v5.0/search?%s" % entry1, "{body}", entry2) 
    response = conn.getresponse() 
    data = response.read() 
    json_data = json.loads(data) 
    fhand.write(json.dumps(json_data, indent=4)) 

#Main Code - Pulls data iteratively and writes it to json file 
fhand.write('{') 

for i in range(num_paginations) : 

    dict_load = '"' + str(local_counter) + '"' + ' : ' 
    fhand.write(dict_load) 
    try: 
     link_params = scraper()  
     print('Retrieving: ' + api_domain + '/bing/v5.0/search?' + link_params) 
     getwrite(link_params, headers) 
    except Exception as e: 
     print("[Errno {0}] {1}".format(e.errno, e.strerror)) 
     fhand.write('"Error. Could not pull data"')   
    offset += pull_count 
    if local_counter != num_paginations : fhand.write(', ') 
    local_counter += 1 
    timer_counter = holdup(timer_counter) 

fhand.write('}') 
fhand.close() 
conn.close() 

Answer 1

ありがとうございます。

ページ設定が10に設定されていることがわかりました。 num_paginations = 10 ##最大ページ数を制御するために使用される数値です。

おかげで、 パトリック