PHP 獲取網站 Google 收錄量示例：正則解析搜索結果頁

實現思路

通過請求 site:domain.com 搜索頁，解析 #resultStats 區域提取收錄數字。注意：Google 反爬機制嚴格，生產環境建議使用官方 Search Console API 或第三方服務。

代碼實現

<?php
/**
 * 獲取域名 Google 收錄量（僅供學習/低頻使用）
 * @param string $domain 目標域名，如 example.com
 * @return int|false 收錄數量，失敗返回 false
 */
function getGoogleIndexCount($domain) {
    $url = 'https://www.google.com/search?q=site:' . urlencode($domain);
    $opts = [
        'http' => [
            'method' => 'GET',
            'header' => "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36\r\n" .
                       "Accept-Language: zh-CN,zh;q=0.9,en;q=0.8\r\n",
            'timeout' => 10,
            'ignore_errors' => true,
        ],
        'ssl' => [
            'verify_peer' => false,
            'verify_peer_name' => false,
        ]
    ];
    $context = stream_context_create($opts);
    $html = @file_get_contents($url, false, $context);
    if ($html === false) return false;

    // 解析 resultStats 區域，格式約為 "約 1,230,000 項結果"
    if (preg_match('/id=["\']resultStats["\'][^>]*>(.*?)<\/div>/is', $html, $m)) {
        $text = strip_tags($m[1]);
        // 提取數字（去除逗號、中文約字等）
        $numStr = preg_replace('/[^\d]/', '', $text);
        return (int)$numStr;
    }
    return false;
}

// 使用示例
$count = getGoogleIndexCount('jb51.net');
if ($count !== false) {
    echo "jb51.net Google 收錄約 {$count} 條\n";
} else {
    echo "獲取失敗，可能被反爬或結構變更\n";
}

關鍵點解析

1. User-Agent 偽裝：必須設置瀏覽器級 UA，否則直接返回 403/驗證碼頁。
2. HTTPS + SSL 驗證關閉：簡化請求，生產環境應配置 CA 憑證。
3. 正則容錯性：Google 頁面結構常變，建議多備選模式或使用 DOMDocument 解析。
4. 頻率控制：短時間大量請求會觸發 reCAPTCHA，建議緩存結果 24h。

更穩健的替代方案

法律與道德提醒

大規模抓取搜索引擎結果可能違反《計算機信息網絡國際聯網管理暫行規定》及 Google 服務條款。建議：

• 僅用於自有站點監控
• 頻率 ≤ 1 次/分鐘/域名
• 遵守 robots.txt
• 優先使用官方 API