filetype决定文件格式，理论上能直接搜到的文件格式都能爬

项目需要，小试牛刀

1. bing好像检测更严格？需要弄代理。 bing is even more strict?
2. google页数跟实际相比很少，可能因为在被封的边缘疯狂试探 can get very less files(100?) from google
3. bing爬下来的重复率有点高，爬了8k+只有2k3的有效文件
4. lxml解析好像不太准，放弃lxml，直接正则匹配
5. 增加yahoo
6. google很容易ban诶，暂时先不用google了，以后增加防ban机制