【发布时间】：2012-02-17 20:36:27
【问题描述】：
我正在使用 wiki xml 转储上的 lucene 为 wikipedia 文章编写搜索引擎，当我给出“site:en.wikipedia”时，我想计算引擎与特定查询的 google wiki 结果相比的准确性.org”以及查询。我想为多个查询执行此操作，因此我手动获取谷歌搜索结果 URL。我让谷歌 API 使用机器人搜索谷歌，但问题是我想摆脱某些类型的结果，比如 “/类别：” “/图标：” “/文件：” “/照片：” 和用户页面。
但是我没有找到一种方便的方法来执行此操作，除了使用发出查询的迭代方法，获取 n 个结果，然后使用正则表达式过滤掉，然后检索剩余的 (n-x) 个结果等等上。当我这样做时，谷歌一直在阻止我。
是否有一种智能方法可以使用 Java 以我想要的方式获取 Google 结果？
提前谢谢各位。
【问题讨论】：
标签： lucene google-api mediawiki wikipedia