企业官网建设流程全解析

简介：海风域名查询工具 v1.0 是一套基于 PHP 编写的域名查询程序，面向站长、域名投资者以及习惯在 Linux 服务器上作业的运维与建站人员，用于把零散的域名状态核验集中到自建入口中完成，减少逐条手工查询的重复劳动。整包以 rar 格式分发，体积约 372KB，体量轻巧，主体为 PHP 源码，并附带站点地图、配置项与安装数据脚本等辅助文件，上传到自有主机即可部署。程序面向 Linux 主机环境，部署依赖文件权限调整（相关文件需设为 777）、安装入口访问与后台登录三个环节，默认管理员账号与密码均为 admin，便于安装后立即进入后台熟悉功能布局。对希望自建查询站点、练习 PHP 站点部署与权限配置的读者来说，这份源码提供了从文件权限设置、数据导入到后台登录的完整实践样本，也可作为二次开发或小型站点功能模块的参考。目前已有 118 人浏览学习。

1. 从两百个候选域名到一张状态表：这套 PHP 源码到底替你干了什么

手上有两百个候选域名，要在投放前筛一遍：哪些已经被注册、哪些还空着、空着的那些到底有没有解析记录。靠浏览器一个个开网页查，查到第五十个就想放弃。海风域名查询工具 v1.0 是一份 PHP 源码形态的小工具，干的就是把这件重复劳动收进一个入口——输入域名列表，走 WHOIS 的 43 端口拿注册信息，用 RDAP 补结构化字段，再用 DNS 记录判断域名是不是真的“活着”，最后吐出一张带状态和查询时间的表。它不适合当商业级域名监控平台用，但应付选品筛查、注册前查重、批量资产盘点这类活绰绰有余。下面按我自己拆包的顺序，把三条查询通道、配置项、批量调度和踩过的坑一条条摊开说。

2. 把查询链路拆成三条通道：WHOIS 43 端口、RDAP 与 DNS 怎么分工

拿到这份源码先别急着点运行，得先搞清楚它为什么同时用了三套查询方式。很多人第一反应是“抓网页不就行了”，但域名查询这个场景里，网页抓取是最不稳的一条路——页面结构改一次，正则全废，还会被前端渲染、验证码、Cookie 墙拦住。域名信息的官方出口其实很朴素：WHOIS 文本协议、RDAP 结构化接口、DNS 记录查询，三个都是公开、无鉴权、机器可读的通道。这份工具的价值就在于把三者编排成一条降级链：先 WHOIS 拿全量文本，再用 RDAP 拿结构化字段，最后用 DNS 判断可用性。

2.1 为什么把 WHOIS 文本协议放在第一顺位

WHOIS 协议简单到有点原始：向目标服务器的 43 端口建立 TCP 连接，把域名加一个换行发过去，服务器把纯文本吐回来，连接关闭。没有 HTTP 头，没有 TLS 握手，没有 JSON Schema，PHP 用fsockopen十几行就能实现一个客户端。放在第一顺位的理由有三个：覆盖最广（绝大多数 TLD 都提供 43 端口服务）、信息最全（注册商、注册时间、到期时间、域名状态码、DNS 服务器一应俱全）、依赖最少（不需要 curl，不需要证书链，不需要处理重定向）。

代价也很明显：返回的是自由格式文本，不同注册局的字段名、日期格式、空行习惯全都不一样，甚至连“域名未注册”这句话的措辞都不统一——有的写No match for，有的写NOT FOUND，有的写Domain not found，还有的干脆返回一段免责声明加一个空行。这就决定了 WHOIS 的解析层必须是“按后缀配置规则”，而不是一套通用正则打天下。我一般会把每个 TLD 的判定关键词、字段别名、日期格式单独存成一份配置，新增后缀时只改配置不动代码，这是这份工具能不能长期用下去的关键。

还有一个容易被忽略的机制叫 thin WHOIS。部分后缀的注册局只返回很薄的一层信息（域名、注册商 ID、状态码、DNS 服务器），完整的注册人信息要再向注册商服务器发起第二次查询。源码里如果没做这个二次跳转，你会看到“注册商”一栏是空的，然后误以为解析失败。判断方法不难：看返回文本里有没有ReferralServer或者whois:开头的一行地址，有就说明该发起第二次查询了。

2.2 一个能用的 WHOIS 客户端：连接、超时、分块读

先看核心类。这段是整个工具的地基，超时和分块读是它能不能在批量场景里活下来的分水岭。

<?php // src/WhoisClient.php class WhoisClient { private array $servers; // ['com' => 'xxx', 'cn' => 'yyy'] 按后缀索引 private int $timeout; // 单次连接与读取的超时秒数 public function __construct(array $servers, int $timeout = 8) { $this->servers = $servers; $this->timeout = $timeout; } public function query(string $domain): array { $domain = strtolower(trim($domain)); $tld = substr(strrchr($domain, '.'), 1); // 取最后一个点后面的后缀 if (!isset($this->servers[$tld])) { return ['ok' => false, 'error' => 'unsupported_tld', 'raw' => '']; } $server = $this->servers[$tld]; // 43 端口是 WHOIS 的标准端口，第三个参数是超时 $fp = @fsockopen($server, 43, $errno, $errstr, $this->timeout); if (!$fp) { return ['ok' => false, 'error' => "connect_failed:{$errno}:{$errstr}", 'raw' => '']; } stream_set_timeout($fp, $this->timeout); // 读超时，和连接超时分开设 fwrite($fp, $domain . "\r\n"); // 协议要求以 CRLF 结尾 $raw = ''; while (!feof($fp)) { $chunk = fread($fp, 8192); if ($chunk === false) { break; } $raw .= $chunk; $meta = stream_get_meta_data($fp); if ($meta['timed_out']) { // 读到一半卡死，必须主动放弃 fclose($fp); return ['ok' => false, 'error' => 'read_timeout', 'raw' => $raw]; } } fclose($fp); return ['ok' => true, 'error' => '', 'raw' => $raw]; } }

逐点说清楚这段在干什么。substr(strrchr($domain, '.'), 1)取的是最后一个点之后的部分，处理a.b.com这种多级域名时仍然得到com；但如果遇到co.uk这类二级后缀，就必须换成后缀匹配表而不是简单截取，这是后面配置层要解决的问题。fsockopen的第三个参数是连接超时，很多实现只写 5 秒，在跨境查询里经常连不上，8 到 10 秒是个平衡点。stream_set_timeout管的是读取超时，和连接超时不是一回事——服务器可能连上了但数据发到一半不动，这种情况只能靠读超时兜住。

fread用 8192 字节分块读而不是stream_get_contents，是为了能在读的过程中检查timed_out标记。如果一把梭全读，卡死的连接会一直挂到 PHP 的max_execution_time才断，批量跑的时候几个这样的连接就能把整个进程拖死。feof循环配合timed_out检查，是这套客户端能扛住批量查询的核心。返回值统一成ok / error / raw三字段，上层不需要关心是连不上还是读超时，按ok分支处理即可。

2.3 RDAP 兜底：JSON 结构比正则稳

WHOIS 的文本格式注定了解析层要打补丁。RDAP 是同一份数据的结构化版本，走 HTTPS，返回 JSON，字段有明确的 schema，日期是 ISO 8601，注册状态是数组。对com、net、org、info这些主流后缀，我已经把 RDAP 当成首选，WHOIS 退成兜底。原因很简单：JSON 里的entities数组取注册商，events数组按eventAction取注册和到期时间，一次json_decode加两次数组遍历就完事，不用管免责声明在第几行。

<?php // src/RdapClient.php function rdapLookup(string $base, string $domain, int $timeout = 8): array { // base 是 RDAP 引导地址，形如 https://<rdap-host>/，实际值从配置读 $url = rtrim($base, '/') . '/domain/' . rawurlencode($domain); $ch = curl_init($url); curl_setopt_array($ch, [ CURLOPT_RETURNTRANSFER => true, CURLOPT_CONNECTTIMEOUT => 4, CURLOPT_TIMEOUT => $timeout, CURLOPT_FOLLOWLOCATION => true, CURLOPT_MAXREDIRS => 3, CURLOPT_USERAGENT => 'DomainLookup/1.0 (local)', CURLOPT_HTTPHEADER => ['Accept: application/rdap+json'], ]); $body = curl_exec($ch); $code = curl_getinfo($ch, CURLINFO_HTTP_CODE); $err = curl_error($ch); curl_close($ch); if ($body === false) { return ['ok' => false, 'http' => 0, 'error' => $err, 'data' => null]; } // 404 是有效信息：表示该域名未注册，不是查询失败 if ($code === 404) { return ['ok' => true, 'http' => 404, 'error' => '', 'data' => null]; } $data = json_decode($body, true); if ($code !== 200 || !is_array($data)) { return ['ok' => false, 'http' => $code, 'error' => 'bad_response', 'data' => null]; } return ['ok' => true, 'http' => 200, 'error' => '', 'data' => $data]; }

这里最值钱的一行是404的判断。RDAP 规范里，未注册域名返回 404，已注册返回 200 加完整对象。很多实现把 404 当成失败重试三次，白白浪费时间还触发限流。http字段单独返回，是为了让上层能区分“查不到”和“查挂了”两种语义。

CURLOPT_MAXREDIRS设 3 是因为 RDAP 引导服务会做一次 302 跳转到具体注册局的服务器，跳多了说明配置有问题。Accept头写application/rdap+json是规范要求，不写有的服务端会返回 HTML 错误页，json_decode直接返回 null。超时给 8 秒、连接超时给 4 秒，这个配比在跨境请求里比较稳——连接握手通常很快，慢的是服务端生成响应。

限流是 RDAP 绕不开的事。返回 429 时不要立刻重试，先读响应头里的Retry-After，按它给的值退避。我在批量场景里见过连续 429 之后整个 IP 被静默丢弃十分钟的情况，那时候再怎么重试都是徒劳。

2.4 DNS 记录补齐“域名是否活着”

WHOIS 和 RDAP 只回答“注册没注册”，不回答“有没有在用”。一个域名可能注册了但没配任何解析记录，也可能没注册但历史缓存还在。DNS 查询补的就是这一块。

<?php // src/DnsProbe.php function dnsProbe(string $domain): array { // 一次拿多种记录类型，减少往返 $raw = @dns_get_record( $domain, DNS_A | DNS_AAAA | DNS_NS | DNS_MX | DNS_TXT ); if ($raw === false) { return ['ok' => false, 'error' => 'dns_query_failed', 'records' => []]; } $out = ['A' => [], 'AAAA' => [], 'NS' => [], 'MX' => [], 'TXT' => []]; foreach ($raw as $r) { $type = $r['type'] ?? ''; if (!isset($out[$type])) { continue; } // 不同类型字段不一致，统一收敛成字符串 if ($type === 'A') { $out['A'][] = $r['ip'] ?? ''; } if ($type === 'AAAA') { $out['AAAA'][] = $r['ipv6'] ?? ''; } if ($type === 'NS') { $out['NS'][] = $r['target'] ?? ''; } if ($type === 'MX') { $out['MX'][] = ($r['pri'] ?? 0) . ' ' . ($r['target'] ?? ''); } if ($type === 'TXT') { $out['TXT'][] = is_array($r['txt'] ?? null) ? implode('', $r['txt']) : (string)($r['txt'] ?? ''); } } return ['ok' => true, 'error' => '', 'records' => $out]; }

dns_get_record的第二个参数是位掩码，用|组合多个类型，一次调用拿回全部，比查五次快得多。注意这个函数在查询失败时返回false并抛E_WARNING，前面加@抑制是必要的，不然后端日志会被刷爆。返回值里TXT记录比较特殊，有的 PHP 版本返回字符串，有的返回数组，代码里做了兼容——这是实际跑出来的差异，不是防御性编程的洁癖。

判断“域名活着”的逻辑我一般这么定：有A或AAAA记录算“有站点”，只有MX算“只有邮件”，只有NS算“已委派未使用”，全空算“注册但闲置”。这四个状态在选品场景里价值完全不同，全塞进一个has_dns布尔值就浪费了。

3. 本地跑通第一次查询：环境、配置项与四个必改参数

代码看着不多，但真到自己机器上跑，卡人的往往不是逻辑而是环境。这份源码对运行环境的要求不高，麻烦的是几个默认关闭的扩展和一份必须自己填的服务器清单。

3.1 运行环境与扩展清单

PHP 7.4 以上就能跑，8.x 更省心，主要是数组和类型声明的行为更一致。扩展方面，curl和json基本是默认带的，pdo_mysql看你要不要落库，intl是可选的——只有处理中文域名的时候才需要。dns_get_record属于标准库，不用额外装，但它依赖系统的 DNS 解析器，容器里跑的时候要确认resolv.conf不是空的。

最后一行是新手最容易翻车的地方。不少云主机的默认安全组只放行 80 和 443，43 端口的出站连接直接被丢包，现象是“所有 WHOIS 查询都超时，但 RDAP 正常”。排查时先用nc -vz或telnet试一下目标服务器的 43 端口通不通，别在代码里找 bug。

提示：本地开发机上 43 端口通常是通的，一上服务器就挂，先在服务器上验证端口再改代码。

3.2 配置文件里必须改的四处

源码里通常有一个config.php，里面四组配置决定了工具能不能用起来。这四处不改，跑起来就是一堆超时和空结果。

<?php // config.php return [ // 1. WHOIS 服务器清单：键是后缀，值是 43 端口的服务地址 // 按公开的 TLD 委派清单逐个核对填写，别凭记忆写 'whois_servers' => [ 'com' => 'whois-COM.example-endpoint', 'net' => 'whois-NET.example-endpoint', 'org' => 'whois-ORG.example-endpoint', 'cn' => 'whois-CN.example-endpoint', ], // 2. RDAP 引导地址，用来把域名路由到对应注册局 'rdap_base' => 'https://rdap-bootstrap.example-endpoint/', // 3. 每个后缀的“未注册”判定关键词，措辞各家不同 'not_found_keywords' => [ 'com' => ['No match for', 'NOT FOUND'], 'cn' => ['No matching record', 'not found'], ], // 4. 超时与限速 'timeout' => 8, // 单次查询超时秒数 'qps' => 3, // 每秒最多发起几次查询 'cache_ttl' => 86400, // 同一域名多久内不重复查（秒） ];

第一组是硬骨头。后缀到服务器的映射不是靠猜，也不是靠试，公开的 TLD 委派清单里有权威记录，新增后缀时去查一次填进去即可。填错的表现是连上了但返回空字符串或者一段“请访问某某页面”的提示，这种情况一定要在配置阶段就发现，不要让它在批量阶段才暴露。

第二组 RDAP 引导地址的作用是省事——不同后缀对应不同注册局，引导服务会根据后缀自动 302 跳转，你不用维护一张巨大的映射表。代价是多一次跳转，所以CURLOPT_MAXREDIRS不能设成 0。

第三组是最容易被省略的一组。前面说过，不同注册局对未注册域名的措辞不一样，com和cn的判定关键词就完全不同。如果不配这一项，代码里写死一个No match，那对cn后缀就永远判定成“已注册”，结果表全是错的。这是我在实际项目里踩过的坑，后面对比预期结果才发现。

第四组的qps是保护自己也是保护对方。默认给 3，意思是每秒最多三次查询，配合usleep实现。有人图快调到 20，跑几十条就开始大面积超时，因为对端把你当异常流量处理了。cache_ttl默认一天，域名注册状态一天内基本不会变，重复查纯属浪费。

3.3 跑通第一次单域名查询

配置填好之后，先别碰批量，用单域名验证整条链路。源码一般会带一个命令行入口，没有的话自己写十行。

# 单域名查询，输出 JSON 便于肉眼看字段 php cli.php --domain=example-domain.com --format=json # 预期输出（结构示意） # { # "domain": "example-domain.com", # "status": "registered", # "source": "rdap", # "registrar": "...", # "created_at": "2019-05-11T00:00:00Z", # "expires_at": "2029-05-11T00:00:00Z", # "dns": {"A": ["203.0.113.10"], "NS": ["ns1.example-dns.com"]}, # "checked_at": "2025-01-01 10:00:00" # }

--format=json是个实用开关，人类看表格舒服，但排查问题的时候 JSON 更直接——能一眼看出source字段走的是rdap还是whois，走的是哪条通道决定了后面该看哪个日志。--domain参数接受单个域名，批量入口另走--file。

第一次跑通之后，建议立刻换一个明确未注册的域名再跑一次。这一步的目的是验证not_found_keywords配置对不对，很多人只测了已注册的域名，觉得能返回数据就算成功，结果批量一跑发现全是“已注册”，回头查半天才发现是判定关键词没配。两个方向各测一次，成本不到一分钟。

3.4 换到 Web 入口：一个表单页的最小实现

命令行验证完，如果想给不写终端的同事用，源码里通常带一个index.php。核心就是一个表单加一段 POST 处理，不复杂，但有两个细节要注意：输入校验和输出转义。

<?php // index.php：极简 Web 入口 require __DIR__ . '/bootstrap.php'; $domain = $_POST['domain'] ?? ''; $result = null; $error = ''; if ($domain !== '') { // 只保留合法字符，长度上限 253 是域名总长的硬限制 $domain = strtolower(trim($domain)); if (!preg_match('/^[a-z0-9.-]{1,253}$/', $domain)) { $error = '域名格式不合法'; } else { $client = new WhoisClient($config['whois_servers'], $config['timeout']); $resp = $client->query($domain); $result = $resp['ok'] ? parseWhois($resp['raw'], $domain) : ['status' => 'error']; } } ?> <form method="post"> <input name="domain" value="<?= htmlspecialchars($domain, ENT_QUOTES, 'UTF-8') ?>" /> <button type="submit">查询</button> </form> <?php if ($error): ?> <p class="err"><?= htmlspecialchars($error, ENT_QUOTES, 'UTF-8') ?></p> <?php endif; ?>

preg_match里的字符集把中文、空格、斜杠全挡在外面，这在 Web 入口是必须的——命令行你还能自己控制输入，表单是开放给所有人的。htmlspecialchars两处都要加，一处是回填输入框，一处是错误信息，漏一处就是反射型 XSS。域名总长 253、单个标签 63 这些数字不是拍脑袋，是 DNS 规范里的硬限制，校验时顺手带上能挡掉一批畸形输入。

4. 从一条到一千条：批量调度、字段解析与结果落库

单条能跑通只能算玩具。这份源码真正的使用场景是成百上千条一起查，这时候瓶颈从“能不能查”变成“会不会被封、会不会漏、结果怎么存”。

4.1 批量的调度模型：分片、并发与退避

批量查询有三条铁律：控制并发、控制速率、失败要退避。三者缺一不可。

<?php // batch.php：分片 + 限速 + 指数退避 $domains = array_values(array_unique(array_filter(array_map('trim', file($argv[1]))))); $chunkSize = 20; $failStreak = 0; foreach (array_chunk($domains, $chunkSize) as $batch) { foreach ($batch as $domain) { $resp = (new WhoisClient($config['whois_servers'], $config['timeout']))->query($domain); if (!$resp['ok']) { $failStreak++; // 连续失败到 3 次，退避时间翻倍，最长 16 秒 if ($failStreak >= 3) { sleep(min(16, 2 ** min($failStreak - 2, 4))); } } else { $failStreak = 0; // 成功一次就重置计数 } saveResult($pdo, $domain, $resp); usleep((int)(1000000 / $config['qps'])); // 微秒，3 qps 约等于 33 万微秒 } sleep(1); // 每批之间喘口气，避免瞬时突发 }

array_unique去重是省钱的第一步，列表里有重复域名的情况比想象中多。array_chunk分片的作用不是并发，而是给批间停顿一个自然的边界——每批结束后sleep(1)，让对端有机会清空自己的计数窗口。

$failStreak那段是核心。连续失败说明问题不在单个域名，而在网络或对端限流，这时候继续以原速率猛冲只会让情况更糟。2 ** min($failStreak - 2, 4)算出来的退避是 2、4、8、16 秒封顶，成功一次立刻归零。我在实际跑的时候见过连续十几次超时之后退避到 16 秒，然后突然恢复正常的情况——这就是对端的限流窗口过了。

usleep的参数是微秒，1000000 / 3约等于 333333。这个数别写死，跟着配置里的qps走，改配置就能改速率。

4.2 返回文本的字段解析：正则表与归一化

WHOIS 返回的文本各家不同，但字段名有迹可循。做法是给每个字段准备一组候选正则，按顺序试，命中就用。

<?php // src/Parser.php function parseWhois(string $raw, string $domain): array { $fieldPatterns = [ 'registrar' => [ '/^\s*Registrar:\s*(.+)$/mi', '/^\s*Registrar Name:\s*(.+)$/mi', '/^\s*Sponsoring Registrar:\s*(.+)$/mi', ], 'created_at' => [ '/^\s*Creation Date:\s*(.+)$/mi', '/^\s*Registration Time:\s*(.+)$/mi', '/^\s*Created On:\s*(.+)$/mi', ], 'expires_at' => [ '/^\s*Registry Expiry Date:\s*(.+)$/mi', '/^\s*Expiration Time:\s*(.+)$/mi', '/^\s*Expiry Date:\s*(.+)$/mi', ], 'status' => [ '/^\s*Domain Status:\s*(.+)$/mi', ], ]; $out = []; foreach ($fieldPatterns as $field => $patterns) { $out[$field] = null; foreach ($patterns as $p) { if (preg_match($p, $raw, $m)) { // 有些行后面跟一堆说明文字，取第一个空白前的部分 $out[$field] = trim(preg_split('/\s{2,}/', trim($m[1]))[0]); break; } } } // 日期统一成 Y-m-d，解析不了就保留原串，绝不丢信息 foreach (['created_at', 'expires_at'] as $f) { if ($out[$f]) { $ts = strtotime($out[$f]); $out[$f] = $ts ? date('Y-m-d', $ts) : $out[$f]; } } $out['domain'] = $domain; return $out; }

/mi两个修饰符的含义要分清：m让^和$匹配每一行的开头结尾，不然只能匹配整个字符串的首尾；i是忽略大小写，不同注册局的大小写习惯不统一。没有m，这段正则在多行文本里一条都匹配不上，这是个很隐蔽的错误——正则本身没错，就是不生效。

preg_split('/\s{2,}/', ...)处理的是行尾注释。比如Domain Status: clientTransferProhibited https://...这种，取第一个双空格之前的部分就得到纯状态码。用双空格而不是单空格，是因为注册商名称本身可能带空格，单空格切会把“Example Registrar Inc”切碎。

日期统一成Y-m-d是为了入库方便，strtotime解析失败时保留原始字符串而不是写 null，这个选择有讲究——写 null 等于丢失了“原始返回里其实有日期”这个事实，后面排查时就没法回溯了。

4.3 落库与缓存：表结构加命中策略

结果存哪里决定了这个工具能不能当资产台账用。文件存一份 CSV 也能看，但查重、按状态筛选、看历史变化都得靠数据库。

CREATE TABLE domain_check ( id BIGINT UNSIGNED AUTO_INCREMENT PRIMARY KEY, domain VARCHAR(191) NOT NULL COMMENT '统一小写、去尾点', tld VARCHAR(32) NOT NULL, status ENUM('registered','available','unknown','error') NOT NULL DEFAULT 'unknown', source ENUM('whois','rdap','cache') NOT NULL DEFAULT 'whois', registrar VARCHAR(191) DEFAULT NULL, created_at DATE DEFAULT NULL, expires_at DATE DEFAULT NULL, raw_hash CHAR(32) DEFAULT NULL COMMENT '原始返回的 md5，用于判断内容是否变化', checked_at DATETIME NOT NULL, UNIQUE KEY uk_domain (domain), KEY idx_status (status), KEY idx_checked (checked_at) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

VARCHAR(191)不是随便写的，是给 utf8mb4 下的索引留余地——191 个字符乘以 4 字节刚好卡在一些索引长度限制以内。domain上的唯一索引配合INSERT ... ON DUPLICATE KEY UPDATE，天然实现了“同一个域名只留一条最新记录”。raw_hash存原始返回的 md5，用途是判断这次查到的内容和上次是否一致：一致就说明状态没变，可以把checked_at更新一下就走，不用重新解析。

status用 ENUM 而不是 VARCHAR，是为了让筛选查询走索引，同时避免出现Registered、registered、REGISTERED三种写法混在表里。归一化的工作在入库前做完，别指望数据库帮你兜。

缓存策略分两层。第一层是cache_ttl控制的时间窗，同一域名 24 小时内直接读库；第二层是raw_hash比对，超过时间窗但内容没变时，只更新时间戳不重算字段。两层叠加之后，日常增量盘点的实际请求量能降一个数量级。

5. 排查清单：五类翻车现场与对应的修法

这套东西跑通不难，跑稳很难。下面五条都是实际撞过的，按“现象 → 原因 → 解决”的顺序写，对着看能省不少时间。

5.1 状态误判：明明没注册却显示已注册

现象：批量结果里一大片registered，随手抽几个去浏览器验证，全是未注册的。

原因：判定关键词只配了com那一套。cn后缀对未注册域名返回的是另一套措辞，代码里没命中，就落到“默认已注册”的分支上。还有一种变体是 thin WHOIS，注册局返回里带了一行Registrar:但内容是个占位符，解析器把占位符当成了真实注册商。

解决：每个后缀单独配not_found_keywords，新增后缀时先手工查两个已知未注册的域名，把返回文本里的判定句抄进配置。thin WHOIS 的识别靠ReferralServer行，命中就发起二次查询，别直接采信第一层结果。

5.2 跑到一半全线超时：限速没做或者做假了

现象：前 150 条正常，之后所有请求都超时，重启进程又能跑一阵。

原因：对端按源 IP 做了速率限制，超出窗口的连接被静默丢弃。代码里虽然写了usleep，但位置放错了——放在循环开头而不是请求之后，实际速率翻倍。

解决：usleep紧跟查询之后，按qps换算微秒数；连续失败三次启用指数退避；把qps从 3 降到 2 观察一轮，确认是限速再考虑往上调。判断依据看失败是不是集中在某个时间点之后突然爆发，而不是零散分布。

5.3 中文域名查不到：没做 punycode 转换

现象：输入中文域名，要么直接报格式错误，要么查询返回空。

原因：WHOIS 和 RDAP 只认 ASCII 的 punycode 形式，原始中文字符串发过去对端不认。前面 Web 入口的正则[a-z0-9.-]还会直接把中文挡掉。

解决：入口处统一用idn_to_ascii()转成xn--开头的形式再查询，展示时用idn_to_utf8()转回来。转换前先判断intl扩展是否加载，没加载就给明确提示，别让它静默失败。转换失败（比如域名里有非法字符）要单独返回一个错误码，和“域名未注册”区分开。

5.4 入库撞主键：域名没归一化

现象：INSERT报唯一键冲突，或者表里同一个域名出现好几条。

原因：输入里混着大小写、末尾多余的点、www.前缀，Example.com、example.com.、www.example.com在唯一索引眼里是三个不同的值。

解决：入库前统一走一遍归一化——转小写、去掉末尾的点、去掉协议前缀和路径部分。www.要不要去得看业务语义，做资产盘点时我一般保留，因为www.example.com和example.com在 DNS 层面确实是两条记录。归一化函数写成单独一个，所有入口都调它，别在每个地方各写一遍。

5.5 服务器上 DNS 查询全空：解析器不通

现象：本地跑得好好的，部署到服务器之后dns_get_record全部返回空数组或者false。

原因：容器环境的resolv.conf是空的，或者出站 53 端口被安全组挡了。dns_get_record不像 curl 那样有明确的错误码，失败就是空，很容易误判成“域名没有解析记录”。

解决：先cat /etc/resolv.conf确认有 nameserver；再dig一个已知域名验证 53 端口通不通。如果环境确实不放行 53 端口，就换成走 HTTPS 的 DNS 查询接口，把 DNS 探测这一层做成可替换的适配器，别在业务代码里写死dns_get_record。

注意：DNS 查询失败和“域名无记录”在返回值上都是空，必须靠false判断区分，不能用empty()。

6. 把“能不能用”做成评分：一套自检脚本与三个进阶技巧

工具跑顺之后，我习惯再加一层“可用性评分”，把散落的字段压成一个 0 到 100 的数字，选品的时候按分数排序，比一列列看字段快得多。评分维度不用多，五个够用：注册状态（未注册给高分）、DNS 是否解析、是否有 MX 记录、域名长度与连字符情况、后缀常见度。权重可以先拍一版，跑一批已知好域名再校准，别指望一次调准。

<?php // src/Score.php function scoreDomain(array $row): int { $score = 0; // 未注册是前提条件，已注册直接归零，不用往下算 if (($row['status'] ?? '') !== 'available') { return 0; } $score += 50; $dns = $row['dns'] ?? []; if (!empty($dns['A']) || !empty($dns['AAAA'])) { $score += 15; } // 有站点痕迹 if (!empty($dns['MX'])) { $score += 5; } // 有邮件能力 $name = explode('.', $row['domain'])[0]; $len = strlen($name); if ($len <= 8) { $score += 20; } // 短域名稀缺 elseif ($len <= 12) { $score += 12; } elseif ($len <= 18) { $score += 5; } if (substr_count($name, '-') === 0) { $score += 10; } // 无连字符 if (preg_match('/\d/', $name)) { $score -= 8; } // 数字降权 return max(0, min(100, $score)); }

权重是我自己调的，不用照抄。要点在于“未注册才计分”这个前置判断——已注册域名算得再高也没有意义，先归零能省掉一堆无效计算。数字降权 8 分是个经验值，含数字的域名在记忆成本上确实吃亏，但具体到某些行业可能反而合适，按自己的场景改。

自检脚本比评分更重要。我一般准备一份二十条的对照清单，一半已知注册、一半已知未注册，每次改完配置或者换服务器，先跑这一份看命中率：

# selftest.sh：对照清单跑一遍，统计状态命中率 php cli.php --file=tests/known_domains.txt --format=csv > /tmp/out.csv # 用 awk 对比预期列和实际列，输出不一致的行 awk -F',' 'NR>1 && $2 != $3 {print "MISMATCH:", $1, "expect", $2, "got", $3}' /tmp/out.csv # 命中率低于 90% 就别往下跑批量了

awk那句里$2是预期状态、$3是实际状态，列序按自己导出的 CSV 调整。命中率低于九成基本可以断定是配置问题，不是网络抖动——网络问题通常是零散的error，不会集中体现成状态判反。

最后说三个用久了才体会到的技巧。第一个是给raw_hash加保留期，超过 90 天的原始文本归档到单独的表，主表只留哈希，不然表会膨胀得很快。第二个是把后缀清单拆成“高频”和“长尾”两组，高频的走 RDAP 快通道，长尾的走 WHOIS 兜底，整体耗时能压掉三成。第三个是查询时间避开整点，不少注册局在整点做批处理，那几分钟的失败率明显高于其他时段。

这套工具我前后改过几版，最开始那版图省事，判定关键词写死了一个No match，批量跑完导出表格直接傻眼，两百条里有一百多条状态是错的，还得手工复核一遍。从那以后我每次改配置，都强制先跑那份二十条的对照清单，命中率不到 95% 绝不往下走。慢是慢了点，但比返工便宜。希望帮到你。

本文还有配套的精品资源，点击获取