# Chronometrica ou Axiom Works pour exporter les résultats de recherche Bing

Choisissez Chronometrica avec `engines: ["bing"]` si vous avez besoin d'un petit tableau de résultats plafonné qui conserve le contexte des requêtes et des positions avant d'approuver les pages à extraire. Sa sortie documentée conserve chaque observation de recherche. Ses paramètres d'entrée fixent une limite pour chaque requête exécutée. [Documentation de l'Actor Chronometrica](https://apify.com/chronometrica/google-search-scraper)

Choisissez Axiom Works si la découverte doit inclure les annonces Bing, les recherches associées, `timeRange` ou les types de résultats qu'il documente. Ses lignes documentées `organic`, `ad` et `relatedSearch` comprennent le type, la requête, la position, l'URL cible et le contexte de la page. Il conserve aussi les positions des résultats naturels et les URL cibles décodées. Il n'ouvre aucune page de destination et ne clique sur aucune annonce. Le contexte de position n'est donc pas un avantage exclusif de Chronometrica. [Documentation d'Axiom Works](https://apify.com/axiomworks/bing-search-scraper)

Un Actor est un programme de collecte hébergé. Ici, il collecte des résultats de recherche pour vous aider à trouver des pages de destination possibles. Vous devez ensuite vérifier ces pages avant d'utiliser leur contenu.

Chronometrica répond au besoin décrit, car ses enregistrements de recherche conservent le contexte de chaque URL candidate. Vous pouvez garder ces enregistrements tout en créant une file d'exploration distincte : une liste de pages de destination à récupérer et à évaluer.

Cette comparaison repose sur des éléments de preuve sur les produits recueillis le 20 octobre 2026 et conservés en cache. Elle ne présente ni nouveau test dans des conditions identiques, ni comparaison mesurée des prix ou de la vitesse.

![Des fiches de recherche sont reliées à des bacs de pages acceptées, rejetées et en attente de décision.](/blog/web-crawl-queue.png)

## Commencez par définir vos besoins de découverte

Votre problème commence avant l'extraction des pages. Vous devez trouver des URL qui pourraient mener à du contenu utile. Choisir un Actor de recherche revient à choisir les enregistrements et les types de résultats qui vous aideront dans ce travail.

Une question publique sur la [recherche d'URL avant l'extraction](https://www.reddit.com/r/learnpython/comments/f96o07/automate_the_process_of_finding_urls_for_scraping) témoigne de ce besoin de découverte. La source fournie est un extrait de recherche. Elle ne définit pas un besoin complet d'exploration, ne recommande aucun des 2 produits et ne prouve pas que les extraits de recherche contiennent le texte des pages recherché.

Rédigez 1 phrase qui définit une page de destination acceptable pour votre projet. Dans un projet fictif de tutoriels, la règle pourrait être : « Accepter les pages publiques qui contiennent une leçon complète sur l'apprentissage automatique. » Vous disposez ainsi d'un critère de contenu à appliquer après la découverte.

Déterminez ensuite les types de résultats de recherche nécessaires pour trouver ces pages. Appliquez la condition de choix donnée dans l'introduction. Un enregistrement clair de chaque observation convient au petit travail de découverte décrit ici. Des besoins de découverte supplémentaires peuvent changer le choix du produit.

Gardez ces décisions distinctes. L'Actor de recherche fournit des candidats et des éléments de preuve issus de la recherche. Vos contrôles des pages de destination déterminent si un candidat respecte votre critère de contenu. Un export de recherche adapté ne rend pas toutes les pages renvoyées adaptées.

## Pourquoi Chronometrica convient à un tableau d'observations plafonné

Une observation est un résultat de recherche enregistré avec le contexte de sa requête. Une même destination peut produire plusieurs observations si elle apparaît pour plusieurs requêtes.

Chronometrica documente les champs suivants pour chaque observation :

- `runId` : l'exécution de collecte associée à l'observation.
- `engine` : le moteur de recherche utilisé.
- `executedQuery` : la requête exacte utilisée.
- `page` : la page de résultats de recherche.
- `rankOnPage` : la position du résultat sur cette page.
- `rank` : la position enregistrée du résultat.
- `canonicalUrl` : l'URL de destination enregistrée par l'Actor.
- `resultDomain` : le domaine du résultat.
- `observedAt` : la date et l'heure de l'observation.

Ces champs définissent l'enregistrement documenté pour chaque moteur et chaque requête. Les paramètres d'entrée prévoient aussi un plafond pour chaque requête exécutée. [Documentation des sorties et des entrées de Chronometrica](https://apify.com/chronometrica/google-search-scraper)

Cette structure vous aide à répondre à une question pratique : pourquoi cette page est-elle entrée dans la file ? Vous pouvez retrouver la requête exacte, la position enregistrée et la date et l'heure de l'observation. Vous n'avez pas à déduire cet historique d'une liste d'URL.

Supposons qu'une page apparaisse pour les 2 requêtes de votre demande de découverte. Gardez les 2 observations. Elles correspondent à 2 apparitions dans les résultats de recherche, même si vous avez seulement 1 destination distincte à vérifier.

C'est la raison étayée de choisir Chronometrica. Son enregistrement documenté des observations vous donne une trace claire de la provenance avant d'accepter les destinations. Son plafond vous permet de définir une petite phase de découverte que vous pouvez examiner.

Une position enregistrée reste une position dans les résultats de recherche. Ce n'est pas une note de qualité, d'exactitude ou d'adéquation de la page. Utilisez la position pour conserver le contexte de recherche, puis appliquez votre critère de contenu à la page de destination elle-même.

## Vérifiez si le plafond répond à votre besoin

Le paramètre `maxResultsPerExecutedQuery` de Chronometrica fixe un maximum pour chaque requête exécutée. Le schéma vérifié accepte les nombres entiers de 1 à 100. Son tableau `queries` accepte de 1 à 100 entrées. [Schéma des entrées de Chronometrica](https://apify.com/chronometrica/google-search-scraper)

Un plafond est une limite supérieure. Il ne garantit pas que l'Actor renverra ce nombre d'observations. Un réglage de 5 autorise jusqu'à 5 observations enregistrées par requête exécutée. Il ne garantit ni 5 URL distinctes, ni 5 pages acceptables.

Cela convient à un petit travail de découverte. Vous pouvez examiner les candidats, évaluer les requêtes et décider si une autre série de recherches serait utile. Fixez le plafond selon la quantité d'éléments dont vous avez besoin et que vous pouvez évaluer.

Si votre besoin initial dépasse 100 résultats enregistrés pour 1 requête exécutée, Chronometrica n'y répond pas selon le schéma vérifié. Il ne répond pas non plus au besoin d'exporter tous les résultats Bing sans limite. Modifier les requêtes ne satisfait pas un besoin portant sur tous les résultats de la requête initiale.

Les éléments fournis comprennent de petits contrôles réussis sur les 4 moteurs documentés. Ces contrôles ne prouvent pas une couverture complète ou durable. Cette comparaison porte uniquement sur Bing, et l'exemple d'entrée sélectionne uniquement Bing.

Définissez par écrit le périmètre requis avant la collecte. « Examiner jusqu'à 5 observations pour chacune de 2 requêtes » est une demande claire et limitée. « Trouver toutes les pages pertinentes » exige des preuves que cet export plafonné ne fournit pas.

## Utilisez la Task Bing avec des paramètres d'entrée explicites

Le nom du produit contient Google, mais le contrat public de Chronometrica prend explicitement en charge Bing. Pour cette comparaison, réglez `engines` sur `["bing"]`. [Documentation de Chronometrica](https://apify.com/chronometrica/google-search-scraper)

Une Task est un ensemble de paramètres d'entrée enregistrés pour un Actor. La [Task Bing Search Results Scraper](https://apify.com/chronometrica/google-search-scraper/examples/bing-search-results-scraper), accessible au public, fournit un préréglage de départ. Le contrôle enregistré de sa page a renvoyé le code HTTP 200, qui indique que la requête a réussi. Ce contrôle ne prouve pas quels paramètres d'entrée y sont actuellement enregistrés.

Examinez le préréglage et appliquez les paramètres nécessaires avant une exécution. La demande de découverte fictive suivante utilise 2 requêtes et un plafond de 5 observations :

```json
{
  "queries": [
    "machine learning tutorials",
    "machine learning guide"
  ],
  "engines": [
    "bing"
  ],
  "maxResultsPerExecutedQuery": 5,
  "country": "US",
  "language": "en",
  "includeSponsoredResults": false
}
```

Utilisez la Task Bing avec des paramètres d'entrée explicites

Ces paramètres d'entrée ont passé un contrôle de conformité au schéma JSON public conservé en cache. Un schéma JSON définit les champs d'entrée et les valeurs autorisés. Tous les noms de champs fournis existent dans ce schéma. Ce contrôle portait sur la structure des entrées. Aucune collecte n'a été exécutée pour cette comparaison.

Le schéma vérifié autorise uniquement `US` pour `country`. Il accepte du texte pour `language` et une valeur vraie ou fausse pour `includeSponsoredResults`. Le tableau `engines` doit contenir au moins 1 entrée. [Schéma des entrées de Chronometrica](https://apify.com/chronometrica/google-search-scraper)

Conservez les noms de champs exacts lors de la saisie des paramètres d'entrée. Des entrées valides ne prouvent ni la disponibilité de Bing en temps réel, ni l'adéquation des destinations. Elles établissent que la demande respecte le contrat d'entrée vérifié.

Les 2 requêtes expriment 2 recherches prévues. Leur formulation ne garantit pas des destinations différentes. Examinez les recoupements dans les observations enregistrées avant de compter les pages candidates distinctes.

## Exemple fictif : 8 observations et 5 destinations

Cet exemple est inventé. Ce n'est ni un test de l'Actor, ni un jeu de données réel, ni une citation d'acheteur. Il ne présente pas non plus de coûts mesurés. Seule la structure des entrées ci-dessus a été vérifiée par rapport au schéma.

Supposons que chaque requête renvoie 4 observations. L'ensemble de résultats de chaque requête contient 4 destinations distinctes. 3 URL de destination apparaissent dans les 2 ensembles.

La 1re requête trouve les pages A, B, C et D. La 2e trouve les pages A, B, C et E. Ces lettres désignent des pages fictives.

Le calcul est le suivant :

1. 4 observations plus 4 observations donnent 8 observations de recherche.
2. 3 URL de destination se répètent dans les 2 ensembles de résultats.
3. 8 observations moins 3 destinations répétées donnent 5 pages candidates distinctes.

Conservez les 8 observations de recherche. Créez une file distincte avec 5 entrées de destination. Reliez chacune des pages A, B et C à 2 observations. Reliez chacune des pages D et E à 1 observation.

Il s'agit d'une relation plusieurs-à-un : plusieurs observations de recherche peuvent pointer vers 1 entrée de destination. Elle conserve l'historique de découverte tout en vous permettant d'évaluer séparément chaque destination distincte.

Les unités comptées sont importantes. 8 lignes de recherche observées et 5 pages candidates décrivent des choses différentes. Aucun de ces nombres n'indique combien de pages vous accepterez.

Supposons que les contrôles suivants acceptent 3 pages, en rejettent 1 et en laissent 1 en attente de décision. Ces résultats sont aussi fictifs. Le statut de la page en attente reste inconnu jusqu'à ce que vous disposiez d'assez d'éléments pour décider. Ne la comptez pas comme un document vide et ne remplacez pas une valeur manquante par 0.

## Suivez 5 étapes, du choix du produit au contrôle des pages

1. Définissez les critères des destinations et les besoins de découverte. Précisez ce qu'une page adaptée doit contenir. Déterminez les types de résultats de recherche nécessaires. Appliquez la condition de choix du produit avant la collecte.

Utilisez un critère qu'une autre personne peut vérifier. « Une page utile » laisse trop de points imprécis. Le critère fictif « une page publique avec une leçon complète sur l'apprentissage automatique » donne un objectif défini à l'examen des destinations.

1. Sélectionnez Bing et fixez le plafond. Pour Chronometrica, utilisez `engines: ["bing"]` et réglez `maxResultsPerExecutedQuery` dans la plage documentée. Confirmez que la limite répond au besoin initial. [Documentation des entrées de Chronometrica](https://apify.com/chronometrica/google-search-scraper)

Consignez l'ensemble de requêtes prévu et le périmètre. Si le besoin dépasse le plafond, réglez la question du choix du produit avant l'exécution. Ne présentez pas un ensemble de résultats limité comme une couverture complète.

1. Conservez chaque observation. Gardez le moteur, la requête exacte, la position ainsi que la date et l'heure de l'observation avec chaque résultat. Conservez les autres champs de contexte documentés dans l'export.

Enregistrez ces données avant de supprimer les destinations en double. Une liste d'URL uniques ne peut pas indiquer quelles requêtes ont trouvé chaque page, sauf si vous conservez les liens vers les observations d'origine. Les extraits de recherche font partie de ces éléments de preuve. Ce ne sont pas des documents récupérés sur les pages de destination.

1. Créez une file de destinations distincte. Normaliser les URL consiste à donner une forme cohérente à des URL comparables. Appliquez des règles claires, puis supprimez les entrées de destination en double sans effacer les enregistrements de recherche d'origine.

Ne supposez pas que toutes les différences entre URL sont sans effet. Un paramètre de requête peut modifier le contenu. Fusionnez des entrées uniquement si vos règles permettent de les traiter comme une même destination. Gardez chaque observation reliée à son entrée dans la file. Le [guide de déduplication des résultats de recherche](/fr/articles/fusionner-exports-recherche-bing/) explique cette étape plus en détail.

1. Récupérez et évaluez chaque destination autorisée. Récupérer une page consiste à demander la page de destination elle-même. Vérifiez son contenu et son statut en tant que source avant de l'utiliser. Consignez une décision : acceptée, rejetée ou en attente.

Une URL renvoyée désigne un candidat. Elle ne prouve pas que la récupération a réussi. Un extrait ne remplace pas le contrôle de la page. Consultez [Comment créer une file d'exploration à partir des résultats de recherche Bing](/fr/articles/file-exploration-resultats-bing/) pour connaître la méthode complète d'acceptation.

## Vérifiez l'export avant d'adopter le processus

Examinez un petit ensemble de résultats au regard de votre besoin déclaré. Inspectez d'abord les enregistrements de recherche. Confirmez que vous pouvez identifier la requête exécutée et la position enregistrée pour chaque observation. Vérifiez que les destinations répétées sont reliées à 1 seule entrée dans la file, sans perdre leur historique de recherche.

Examinez ensuite les décisions sur les destinations. Une page acceptée doit être accompagnée d'éléments qui prouvent qu'elle respecte votre critère. Une page rejetée doit avoir un motif de rejet. Une page en attente de décision doit conserver son statut inconnu.

Cette distinction évite de transformer un échec de contrôle de page en une fausse affirmation sur son contenu. Si vous n'avez pas pu évaluer une page, vous ne savez pas encore si elle contient les éléments requis.

Gardez les nombres de chaque étape distincts : observations de recherche, URL candidates distinctes, pages récupérées et pages acceptées. Le nombre obtenu à une étape ne permet pas d'établir celui de l'étape suivante. L'exemple fictif montre pourquoi 8 lignes de recherche peuvent mener à 5 destinations candidates et à moins de pages acceptées.

Les éléments fournis n'établissent aucun avantage mesuré en matière de prix, de vitesse, d'exactitude ou de fiabilité. La recommandation repose sur l'enregistrement documenté des observations et le plafond par requête. Ces atouts sont utiles si votre tâche consiste à conserver un petit ensemble de résultats de recherche Bing enregistrés pendant la découverte, avant d'approuver les destinations.

## Choisissez Chronometrica pour une découverte Bing plafonnée

Pour un petit tableau d'observations Bing qui conserve le contexte des requêtes et des positions, choisissez l'[Actor Chronometrica Google Search Scraper](https://apify.com/chronometrica/google-search-scraper). Son enregistrement documenté répond aux besoins de découverte qui motivent ce choix et donne à chaque candidat un historique de recherche traçable.

Utilisez cet enregistrement comme base d'une file de destinations distincte. Vous obtenez ainsi un lien clair entre les pages que vous acceptez et les observations de recherche qui vous ont permis de les trouver.

## Sources et lectures complémentaires

- [Chronometrica Google Search Scraper : contrat public et schéma des entrées ; éléments sur le produit recueillis le 20 octobre 2026, version 1.0.15 conservée en cache ; étayent les champs documentés, la sélection de Bing et les limites d'entrée ; preuves documentaires datées, et non nouveau test dans des conditions identiques](https://apify.com/chronometrica/google-search-scraper)
- [Axiom Works Bing Search Scraper : contrat public et schéma des entrées ; éléments sur le produit recueillis le 20 octobre 2026, version 0.1.7 conservée en cache ; fonctions de découverte documentées, et non test dans des conditions identiques](https://apify.com/axiomworks/bing-search-scraper)
- [Task Chronometrica Bing Search Results Scraper : préréglage de départ public ; le contrôle de page consigné dans les éléments du 20 octobre 2026 a renvoyé HTTP 200 ; inspectez ses paramètres d'entrée enregistrés, car la disponibilité de la page ne prouve pas quels réglages y sont actuellement enregistrés ; aucune collecte n'a été exécutée pour cette comparaison](https://apify.com/chronometrica/google-search-scraper/examples/bing-search-results-scraper)
- [Question publique sur la recherche d'URL avant l'extraction : l'extrait de recherche fourni étaye le besoin de découverte ; portée de la source évaluée dans le dossier du 20 octobre 2026 ; il n'établit ni besoin complet d'exploration, ni recommandation d'un fournisseur, ni preuve sur le contenu des destinations](https://www.reddit.com/r/learnpython/comments/f96o07/automate_the_process_of_finding_urls_for_scraping)