Google 搜尋運算子實戰：工程師如何用進階語法找到精準技術資料

我不知道你們有沒有這種感覺，但老實說，身為一個每天要跟程式碼、資料庫打交道的人，我一天花最多時間的...根本不是在寫 code，而是在 Google。真的。

找文件、找一個超級冷門的 bug 解法、在 GitHub issue 海裡面撈寶、或是找某篇論文... 以前啊，我就是很直覺地把我遇到的問題，直接打字丟上去，然後... 然後就開始在一堆不相干的農場文、Reddit 廢文裡面掙扎。直到有一次，我為了查一個 pandas 的 specific error，看到第十個結果都還不對勁的時候，我突然醒了：「X的，不是 Google 的問題，是我自己的問題。」

從那天起，我就掉進了 Google 搜尋運算子（search operators）這個兔子洞。差別？喔，簡直是白天跟黑夜的差別。

重點一句話

別再傻傻地把整句話丟給 Google 然後祈禱了。學會用幾個「特殊指令」，你可以命令 Google 只去你想去的地方、只找你想找的東西，省下至少一半的搜尋時間。

我先講個故事，這招救了我多少時間

我還記得有一次，為了處理一個超級隱晦的 Spark MLlib 函式庫的錯誤，跟什麼向量索引有關的，我大概浪費了快一個小時。我試了各種關鍵字組合，出來的全是些不痛不癢的教學文。

你知道嗎，那種感覺真的很差，就是你明明知道答案就在網路上某個角落，但你就是找不到它。後來我火大了，冷靜下來，在搜尋欄打了這個：

site:stackoverflow.com "IllegalArgumentException: Column must be of type" pyspark mllib

就這樣，兩個運算子，一行字。第一個結果，直接就是 Stack Overflow 上已經被接受的那個正確答案。我那時候真的有種... 啊，想哭的感覺。如果我早點這樣做，前面那一個小時我可能已經把功能都寫完了。這就是為什麼我今天想跟你們聊這個。

步驟與要點：那些我每天都在用的「搜尋咒語」

好，廢話不多說。這些是我幾乎天天都會用到的幾個指令，尤其是如果你是工程師、分析師或資料科學家，真的，拜託，把它們記下來。

第一個，也是最重要的：`site:`

這個，絕對是我的最愛，沒有之一。簡單講，`site:` 就是在跟 Google 說：「欸，你只去這個網站裡面找，其他地方都不要去。」

比如說，我只要 Stack Overflow 上的答案：

site:stackoverflow.com KeyError pandas dataframe

這真的比在一堆內容農場跟來路不明的部落格裡翻找好太多了。我超常用在查 GitHub、特定技術文件（像 Python 官網）、或是 Medium 上的高品質文章。

說到這個，這也帶出一個有趣的點。你知道嗎，國外的朋友可能第一時間就是 `site:stackoverflow.com`，但在台灣，有時候一些很新的問題或跟本地環境有關的坑，Ptt 的 Soft_Job 版或 CodeJob 版反而有人更早踩過。所以 `site:ptt.cc Soft_Job` 也是我工具箱裡的一招。這就是所謂的在地化搜尋吧，哈哈。

找特定檔案？交給 `filetype:`

有時候你不是要找網頁，你是要找一份文件。例如，我需要一份 PDF 格式的研究報告，或是一個 CSV 資料集。

類神經網路 醫療應用 filetype:pdf

或是找政府的公開資料：

歐洲空氣品質 filetype:csv

直接命中目標檔案，不用再去那些設計很爛的入口網站點半天。

只看標題有我要的字：`intitle:`

這個也超實用。當你確定你要找的主題，應該會直接出現在文章標題裡的時候，用 `intitle:` 可以過濾掉一大堆只是「順便提到」這個關鍵字的內容。

intitle:"pyspark 效能調校"

這招對付那些很會下 SEO 關鍵字但內容很水的文章，特別有效。

精準排除雜訊：`-` (減號)

排除法有時候比包含法更強大。你搜尋某個東西，但結果一直跑出某個你不想要的網站或主題，就在那個關鍵字前面加個減號。

例如，我想學 Python 的非同步（async），但我不想看 Reddit 上的討論，因為太雜了：

python async 教學 -site:reddit.com

或者，我想找 PyTorch 的教學，但不想看到跟 HuggingFace 綁在一起的內容：

site:medium.com pytorch transformers -huggingface

減號前面要空一格，但後面要緊跟著你要排除的字，這點要注意。

完全符合的字串：`""` (雙引號)

這個應該很多人都知道，但它真的太重要了。當你要找一個完整的詞組，或是一段你從 log 裡複製出來的錯誤訊息時，把它用雙引號包起來。

"Connection timed out after 10000 milliseconds"

Google 就不會自己「聰明地」幫你拆開字去找，只會找一模一樣的句子。除錯救星。

別忘了基本邏輯：`OR` 跟 `AND`

有時候你會需要一點彈性。例如，我想比較 pandas 跟 polars 這兩個函式庫的效能，我想找的文章可能標題只會提到其中一個，但內容會一起比較。

(pandas OR polars) 效能比較

我自己是習慣用大寫的 `OR`，感覺 Google 比較能正確理解。`AND` 其實現在比較少用，因為 Google 預設就會去找同時包含所有關鍵字的結果，但如果你發現結果不如預期，手動加上 `AND` 有時候會有奇效。

我腦中的「搜尋反射動作」整理

講了這麼多，我整理了一個表。這不是那種死板板的說明書，比較像是我平常遇到不同狀況時，腦袋裡會「反射性」地打出什麼樣的組合拳，還有我心裡的一些碎碎念。

我遇到的鳥事...	我的反射動作（搜尋欄會長這樣）	心裡的碎碎念（為什麼這樣下）
Log 跳出一個從沒見過的錯誤訊息。	`site:stackoverflow.com "The error message exactly as it appears"`	先去 Stack Overflow 找，因為八成有人問過了。用引號包起來，一個字都不能錯！
想學一個新技術，但不想看入門的廢文，想直接看官方文件。	`site:the_official_docs.io intitle:tutorial "advanced"`	直接鎖定官網 (`site:`)，然後找標題 (`intitle:`) 裡有「教學」或「進階」的，跳過首頁跟介紹。
老闆叫我找某個產業的數據報告，格式不拘，但就是要權威。	`"產業名稱" 市場分析 filetype:pdf OR filetype:pptx`	報告通常是 PDF 或 PPTX 檔。用 `OR` 把兩種可能的檔案格式都包含進來，增加命中率。
某個 library 的 bug，但這個 library 更新很快，舊的解法都沒用。	`"library name" "bug description" after:2024-01-01`	用 Google 搜尋工具裡的「時間」篩選，或是直接下 `after:` 指令，確保只看到近期的解法。太舊的資訊有毒啊！
想找某個演算法在 GitHub 上的實作，但想看 Jupyter Notebook 方便學習。	`site:github.com "演算法名稱" inurl:notebooks`	鎖定 GitHub，然後用 `inurl:notebooks` 去找那些路徑包含 notebooks 的頁面，通常就是 .ipynb 檔案，超方便。

但說真的...這些技巧也不是萬靈丹

不過呢，我們也要誠實。這些技巧雖然強大，但也不是每次都有效。有幾個情況，它們的幫助就有限。

第一個就是，當一個技術或函式庫太新太冷門的時候。網路上根本就沒幾篇相關內容，這時候你下再多精準的指令也沒用，因為...就真的沒資料啊。這時候只能土法煉鋼，自己去看原始碼或硬著頭皮實驗了。

第二個是 AI 搜尋的衝擊。現在 Google 自己也在大力推廣 AI 生成的答案（SGE 或 Gemini 整合），有時候你用自然語言問一個好問題，它給你的整理摘要，可能比你自己找半天還要快。像美國的 Google 搜尋結果頁，根據 Search Engine Land 的報導，AI 摘要已經佔據了很顯眼的位置。但是，我自己是覺得，AI 的答案...看看就好，它還是有可能會「一本正經地胡說八道」。所以，這些傳統的搜尋運算子，反而變成了我們「驗證 AI 答案來源」的終極武器。當 AI 給你一個說法，你可以馬上用 `site:` 或 `""` 去查證它引用的來源是不是真的這樣說。

所以，我覺得這兩者不是取代關係，而是互補。AI 幫你快速產生方向，運算子幫你做精準的深度查證。