在本周的 Stackoverflow 播客中，Jeff 提到，他在 2004 年编写了一个脚本，该脚本用 110,000 个英文单词查询 Google，并收集了一个包含每个单词的命中数的数据库。他们在 Stackoverflow 上使用它，例如每个问题页面右侧的“相关”列表。
由于今天用类似的脚本创建其中一个会很困难（正如 Joel 提到的，“在 30,000 字时，你会敲门”），我想知道是否有人知道一个更新的、免费的数据库谷歌词频（例如，从那时起肯定发生变化的 IT 词，如 jquery、ruby、azure 等）。
一个快速的谷歌搜索（！）出现了一些点击。这个链接看起来很有希望：
但它并不针对 IT 词。
回答这个问题可能已经晚了，但我可以用不同的方式给你建议。而不是从谷歌获得“点击数”来自己计算一些近似值。获取大量文本页面（语料库）并计算其中每个单词的数量。我已经通过维基百科做到了这一点。所有维基页面都有一个转储。您只需要编写一个解析器来提取文本并计算单词。结果是一个超过 110K 单词的列表（至少 2M-3M）。如果您确实需要 Google 搜索结果中的数字，您可以获取一些单词样本并查询 Google，然后对计算值进行一些标准化以匹配 Google 值。我希望这有帮助。
根据 Google 的说法，每个 IP 每天可以发送 50,000 个查询。我真的不认为在你的朋友之间分享它是非法的..
对于每个 IP 每天的查询，我遇到了类似的问题，但我们用完全不同的方法解决了这个问题。
您可以在您的朋友/同事之间拆分列表并使用足够大的超时，这样每个 IP 每天的请求数不会超过 50,000 个，然后合并结果。我不确定这种方法的合法性，但谷歌人使用这种方法“敲门”的可能性非常低。
注：根据斯库塔提供的数据编辑