Bing Images API:如何將圖片搜尋結果提取為 JSON
學習如何使用 Bing Images API 將圖片搜尋結果提取為 JSON。本文涵蓋圖片標題、縮圖、原始圖片 URL、來源頁面、網域、尺寸、排名位置、本地化、快照、AI 工作流程和 TalorData Bing Images API。
Bing Images 是很有價值的視覺搜尋資料來源。
對開發者、SEO 團隊、AI 應用和資料團隊來說,圖片搜尋結果可以顯示主題、商品、品牌、人物、地點和視覺概念在網路上的呈現方式。與其手動打開 Bing Images 並複製連結,不如使用 Bing Images API 將圖片結果收集為結構化 JSON。
這適合需要以下資料的場景:
- 圖片標題
- 縮圖 URL
- 原始圖片 URL
- 來源頁面 URL
- 來源網域
- 圖片尺寸
- 排名位置
- 相關視覺結果
- 本地化圖片搜尋資料
TalorData 提供 Bing Images API,可收集即時圖片搜尋結果,包括圖片標題、來源 URL、縮圖、原始圖片連結、尺寸、排名位置和相關視覺結果。API 支援結構化 JSON 或 HTML 輸出,也支援地理定位。
基本流程如下:
搜尋查詢
↓
Bing Images API
↓
結構化 JSON 回應
↓
圖片結果提取
↓
資料庫、儀表板、AI 工作流程或視覺 SEO 報告
需要注意的是,Microsoft 已於 2025 年 8 月 11 日退役 Bing Search APIs,並完全停用既有實例。Microsoft 現在建議客戶使用 Azure AI Agents 中的 Grounding with Bing Search。對仍需要結構化 Bing 圖片搜尋 JSON 的團隊來說,SERP API workflow 通常是更實用的方式。
什麼是 Bing Images API?
Bing Images API 可以讓開發者發送搜尋查詢,並以機器可讀格式取得圖片搜尋結果。
你不需要手動解析視覺搜尋頁,而是可以直接取得結構化資料,提取圖片標題、縮圖、來源 URL 和排名位置等欄位。
常見使用場景包括:
| 使用場景 | Bing Images 資料如何幫助 |
| 視覺 SEO | 追蹤目標關鍵字下出現哪些圖片 |
| 品牌監控 | 觀察品牌視覺在圖片搜尋中的呈現 |
| 電商研究 | 比較商品圖片可見度 |
| AI 應用 | 將圖片 metadata 傳入 agent 或 workflow |
| 資料集發現 | 尋找候選圖片來源供審核 |
| 內容研究 | 理解某個主題的視覺角度 |
| 競爭對手分析 | 監控競爭域名的視覺素材 |
目標不只是收集圖片連結。
真正目標是將圖片搜尋結果轉成可以儲存、篩選、比較和重複使用的結構化資料。
可以提取哪些圖片資料?
實用的 Bing Images JSON 回應應包含以下欄位:
| 欄位 | 說明 |
| query | 搜尋查詢 |
| position | 圖片結果排名 |
| title | 圖片結果標題 |
| thumbnail_url | 縮圖 URL |
| image_url | 原始或完整圖片 URL |
| source_url | 圖片所在頁面 |
| source_domain | 來源頁面網域 |
| width | 可用時的圖片寬度 |
| height | 可用時的圖片高度 |
| file_type | 可用時的圖片格式 |
| collected_at | 收集時間 |
TalorData Bing Images API 可收集圖片結果、縮圖、來源頁面、原始圖片 URL、尺寸、視覺標籤和本地化圖片結果。
標準化圖片結果可以像這樣:
{
"query": "modern office projector",
"position": 1,
"title": "Modern projector in office meeting room",
"thumbnail_url": "https://example.com/thumb.jpg",
"image_url": "https://example.com/full-image.jpg",
"source_url": "https://www.example.com/projector-guide",
"source_domain": "example.com",
"width": 1200,
"height": 800,
"collected_at": "2026-07-17T09:00:00Z"
}
這種結構比原始 HTML 更容易使用,因為每個欄位都有明確用途。
步驟 1:定義搜尋查詢
先從聚焦查詢開始。
不推薦:
shoes
更好:
white running shoes product photography
圖片搜尋中,查詢措辭會影響視覺意圖。太寬泛的查詢容易返回混合結果,具體查詢更容易收集乾淨資料。
常見查詢模式:
| 目標 | 查詢範例 |
| 商品研究 | wireless headphones product image |
| 視覺 SEO | modern office projector |
| 品牌監控 | ExampleBrand packaging |
| 本地研究 | coffee shop interior New York |
| 內容規劃 | school dashboard UI design |
在生產流程中,每條結果都應保存 query,否則圖片記錄會失去上下文。
步驟 2:加入地區和語言上下文
圖片結果會因市場而變化。
Bing Images API workflow 應支援 country、language 或 region 等本地化參數。TalorData 的 Bing Images 參數文件涵蓋 query 配置、本地化、地理定位和進階輸出選項。
常用參數包括:
| 參數 | 為什麼重要 |
| q | 搜尋查詢 |
| country | 目標市場 |
| language | 搜尋語言 |
| location | 本地化搜尋情境 |
| device | 桌面或行動裝置情境 |
| page | 分頁或結果深度 |
| output | JSON 或 HTML |
請求形態可以像這樣:
{
"engine": "bing_images",
"q": "modern office projector",
"country": "us",
"language": "en",
"device": "desktop",
"output": "json"
}
實際 endpoint 和參數名稱請以 TalorData dashboard 或 API 文件為準。重要的是讓圖片搜尋可重現。
步驟 3:從 JSON 中提取圖片結果
API 返回 JSON 後,只提取 workflow 需要的欄位。
Python 範例:
from urllib.parse import urlparse
from typing import Any
def get_domain(url: str) -> str:
if not url:
return ""
return urlparse(url).netloc.replace("www.", "")
def normalize_image_results(
response: dict[str, Any],
query: str,
) -> list[dict[str, Any]]:
raw_results = (
response.get("image_results")
or response.get("images")
or response.get("results")
or []
)
normalized = []
for index, item in enumerate(raw_results, start=1):
source_url = item.get("source_url") or item.get("source") or item.get("link") or ""
image_url = item.get("image_url") or item.get("original") or item.get("content_url") or ""
thumbnail_url = item.get("thumbnail_url") or item.get("thumbnail") or ""
normalized.append(
{
"query": query,
"position": item.get("position") or index,
"title": item.get("title") or item.get("name"),
"thumbnail_url": thumbnail_url,
"image_url": image_url,
"source_url": source_url,
"source_domain": item.get("source_domain") or get_domain(source_url),
"width": item.get("width"),
"height": item.get("height"),
}
)
return normalized
實際回應中的欄位名稱可能不同。Parser 應保持簡短、清楚、容易更新。
步驟 4:將圖片結果保存為快照
做監控時,不要覆蓋舊結果。
應保存快照。
簡單表格可以包括:
| 欄位 | 用途 |
| query | 搜尋查詢 |
| country | 市場 |
| language | 語言 |
| position | 排名 |
| title | 圖片標題 |
| thumbnail_url | 預覽圖 |
| image_url | 原始圖片 |
| source_url | 來源頁面 |
| source_domain | 來源網站 |
| width | 圖片寬度 |
| height | 圖片高度 |
| collected_at | 快照時間 |
快照可以回答:
- 哪些網域最常出現?
- 哪些圖片從結果中消失?
- 哪些品牌視覺變得更可見?
- 哪些商品圖片排名上升?
- 哪些縮圖發生變化?
這對視覺 SEO、品牌監控和電商圖片分析很重要。
步驟 5:篩選和去重結果
圖片搜尋常出現重複或近似重複結果。
在送入儀表板或 AI workflow 前,應先篩選。
實用規則:
| 規則 | 作用 |
| 圖片 URL 去重 | 移除完全重複 |
| 來源 URL 去重 | 避免重複頁面 |
| 按來源網域分組 | 避免單一網站佔據結果 |
| 要求 title 或 source URL | 移除弱記錄 |
| 只保留前 N 條 | 控制儲存和 token 使用 |
| 保存尺寸 | 幫助過濾低品質圖片 |
對 AI workflow 來說,篩選尤其重要。Agent 不需要 100 張相似縮圖,而是需要乾淨、有用的圖片記錄。
步驟 6:將 Bing Images JSON 用於 AI Workflow
結構化圖片結果可以支援 AI workflow,而不需要模型手動瀏覽圖片頁。
流程範例:
使用者提出視覺研究需求
↓
Bing Images API 返回 JSON
↓
Workflow 篩選圖片結果
↓
AI 摘要視覺模式
↓
保存或審核選中的 source URLs
可支援:
| AI Workflow | Image JSON 如何幫助 |
| 視覺市場研究 | 摘要常見視覺主題 |
| 品牌監控 | 找到品牌相關圖片來源 |
| 商品研究 | 比較商品圖片風格 |
| 內容規劃 | 找到視覺參考角度 |
| RAG 來源發現 | 選擇來源頁面做檢索 |
| Creative brief 生成 | 用圖片 metadata 作為上下文 |
AI 不應把每個 image URL 都當成已驗證事實。圖片搜尋資料適合作為發現上下文,必要時再審核或抓取來源頁面。
TalorData Bing Images API 可以幫開發者將即時圖片搜尋資料收集為結構化 JSON,包括圖片標題、縮圖、來源 URL、原始圖片連結、尺寸、排名位置和相關視覺結果。它支援地理定位、按成功請求計費,以及 JSON 或 HTML 輸出。
使用 TalorData,流程可以簡化為:
搜尋查詢
↓
TalorData Bing Images API
↓
結構化 JSON
↓
篩選後的圖片記錄
↓
資料庫、儀表板、AI agent 或報告
這適合建立視覺 SEO 工具、品牌監控系統、電商研究流程、AI agent 和圖片市場研究產品的團隊。
結語
當圖片搜尋結果需要轉成結構化資料時,Bing Images API 很有用。
核心流程很簡單:
定義 query。
設定地區和語言。
請求 Bing Images 結果。
提取 title、thumbnail、source URL 和 image URL。
標準化 JSON。
保存快照。
去重和篩選。
將資料用於儀表板、報告或 AI workflow。
對開發者來說,價值不只是拿到圖片。
真正的價值是拿到系統可以直接使用的圖片搜尋資料。
FAQ
什麼是 Bing Images API?
Bing Images API 可以讓開發者將 Bing 圖片搜尋結果收集為結構化資料,包括 title、thumbnail、image URL、source page、dimensions 和 ranking position。
Microsoft Bing Image Search API 還能使用嗎?
Microsoft 已於 2025 年 8 月 11 日退役 Bing Search APIs,並完全停用既有實例。需要結構化圖片搜尋結果的開發者,可以使用 SERP API workflow。
應該從 Bing image results 提取哪些欄位?
至少應提取 title、thumbnail URL、original image URL、source URL、source domain、ranking position、dimensions、query、location、language 和 collection time。
Bing Images 資料可以用於 AI 應用嗎?
可以。結構化圖片結果可支援 AI 視覺研究、品牌監控、商品研究、內容規劃和 RAG 來源發現。