Google搜索結(jié)果頁（SERP）的抓取，對SEO從業(yè)人員等都有很大的幫助，通過抓取SERP我們可以監(jiān)測網(wǎng)站的排名情況、PPC廣告的情況、鏈接流行度等數(shù)據(jù)。

Google作為最大的搜索引擎，有著最大的抓取程序Googlebot，但是他卻禁止其他網(wǎng)站抓取他的頁面。Google使用了大量的技術(shù)來檢測和阻止自動請求。一旦Google檢測到自動抓取程序，那么會出現(xiàn)以下幾種情況：

1. 提示電腦中了病毒或木馬；
2. 提示木馬程序，并要求輸入驗證碼；
3. Google會在一段時間內(nèi)阻止您的IP訪問；
4. Google阻止您訪問的時間會加長。

Google是怎么檢測抓取程序的？可能的方法有：

• 通過IP 地址，IP地址可以作為用戶的唯一標識。
• 關(guān)鍵詞的變化，普通用戶不會再極短的時間內(nèi)查詢很多關(guān)鍵詞。
• 抓取頻率，每次抓取的頻率都要在Google限定的范圍內(nèi)。

隱藏抓取跡象，避免被Google屏蔽。

1. 首先需要的是一個可靠地IP代理列表，代理地址需要每有被Google屏蔽掉。最好準備50-150個代理地址，一旦Google發(fā)自動抓取，千萬別繼續(xù)去抓取。
2. 保證更換代理IP以后，你的Cookies也隨著變化。
3. 通過在URL中添加&num=100，將搜索結(jié)果的暫時數(shù)量設置為最大（100）。
4. 不要使用多線程去抓取。
5. Google對每個關(guān)鍵詞，僅提供1000個查詢結(jié)果。
6. 在適當?shù)臅r間更換您的代理IP，這是抓取成功的關(guān)鍵。如果你要住區(qū)每個關(guān)鍵詞300-1000條結(jié)果，需要給每個關(guān)鍵詞更換一個IP；如果查詢的結(jié)果小于300個，最好在查詢過程中uoxia延遲炒作，延遲10-20秒或真假代理數(shù)量。
7. 如果返回的是一個驗證碼頁面，你最好馬上停止現(xiàn)在的行為。

下面是一個使用PHP寫的抓取Google搜索結(jié)果頁的代碼。代碼中主要包括有：

1. 自動代理輪換（使用seo-proxies.com的API），如果你擁有自己的代理IP地址表，可以通過修改代碼改變它。如果你有seo-proxies.com的license，可以通過修改scaper.php中的”USERID”和”API-PASSWORD”來匹配license。
2. 自動從一個搜索結(jié)果頁爬去其他搜索結(jié)果頁。
3. 使用聯(lián)想詞來增加搜索結(jié)果的數(shù)量。
4. 自動發(fā)現(xiàn)和移除廣告。
5. 將抓取數(shù)據(jù)已數(shù)組方式保存，使用HTML方式或其他格式在前臺頁面呈現(xiàn)。

你唯一要做的是把抓取的結(jié)果儲存在數(shù)據(jù)表中，進行管理。

代碼下載：http://www.box.net/shared/mz1d48hg1c

---