PHP cURL 實現百度收錄檢測：兩種核心方法詳解

方法一：cURL + 關鍵詞匹配（推薦）

通過模擬百度搜索請求，分析返回頁面中是否包含目標 URL 的高亮標籤 <b>URL</b> 來判斷收錄狀態。

核心實現

<?php
/**
 * 檢測百度收錄狀態
 * @param string $url 待檢測網址
 * @return int 1=已收錄 0=未收錄
 */
function checkBaidu($url) {
    $searchUrl = 'https://www.baidu.com/s?wd=' . urlencode($url);
    
    $ch = curl_init();
    curl_setopt_array($ch, [
        CURLOPT_URL            => $searchUrl,
        CURLOPT_RETURNTRANSFER => true,
        CURLOPT_USERAGENT      => 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36',
        CURLOPT_TIMEOUT        => 10,
        CURLOPT_SSL_VERIFYPEER => false,
    ]);
    
    $html = curl_exec($ch);
    curl_close($ch);
    
    if (!$html) return 0;
    
    // 提取查詢參數中的實際 URL
    $parsed = parse_url($searchUrl);
    parse_str($parsed['query'], $qs);
    $targetUrl = $qs['wd'] ?? '';
    
    // 移除協議頭與參數
    $targetUrl = preg_replace('#^https?://#', '', $targetUrl);
    $targetUrl = strtok($targetUrl, '?');
    $targetUrl = strtok($targetUrl, '/');
    
    // 關鍵判斷：搜索結果中是否出現 <b>目標域名</b>
    return strpos($html, '<b>' . $targetUrl . '</b>') !== false ? 1 : 0;
}

// 測試
var_dump(checkBaidu('https://www.bianceng.cn/'));
?>

方法二：file_get_contents + 正則匹配「抱歉」文案

原理：百度未收錄時頁面會出現「抱歉，沒有找到與...相關的網頁」字樣。

<?php
function checkBaiduSimple($url) {
    $html = @file_get_contents('https://www.baidu.com/s?wd=' . urlencode($url));
    if (!$html) return 0;
    
    // 編碼轉換防亂碼
    $html = iconv('UTF-8', 'GBK//TRANSLIT', $html);
    
    // 匹配「抱歉，沒有找到與」
    return preg_match('/抱歉，沒有找到與/', $html) ? 0 : 1;
}
?>

實戰注意事項

• 頻率控制：單 IP 短時間大量查詢會觸發驗證碼，建議加入隨機延遲
• User-Agent 偽裝：必須設置合理的 UA，否則極易被封
• 編碼處理：百度返回 GBK 編碼，需正確轉碼
• 法律合規：僅用於自身站點監控，避免大規模掃描

進階擴展

可結合 site:domain.com 語法批量檢測全站收錄率，或對接百度站長平台 API 獲取官方數據，準確度更高。