搜索指定网站内容

我用了整整一个下午，搜索在某个政府招标网站上翻找三年前的指定一份中标公告。搜索引擎不给力，网站站内搜索形同虚设，内容最后靠的搜索是手动翻页——从第1页翻到第47页。这不是指定个例。很多网站的网站搜索功能就是个摆设，你输入关键词，内容它给你返回一堆无关页面，搜索排序逻辑成谜。指定

搜索指定网站内容，网站说难也难，内容说简单也简单。搜索难在大部分网站自带的指定搜索框都做得敷衍，简单在于——你根本不必依赖它。网站我常用的办法是site指令，在百度或谷歌里输入“关键词 site:域名”，直接锁定目标网站。这个语法存在了二十年，但知道的人没想象中多。上次跟一个做运营的姑娘聊起，她瞪大眼睛说还能这样？她之前都是打开对方官网，一个栏目一个栏目地翻。

不过site指令也有失灵的时候。有些网站设置了robots协议禁止抓取，或者内容藏在登录墙后面，搜索引擎根本摸不进去。这时候就得换个思路：试试站点的RSS订阅源，不少技术博客和新闻站保留了完整的RSS输出，用阅读器抓取比网页搜索精准得多。还有些老网站提供sitemap.xml文件，直接访问域名加/sitemap.xml，能看到全部文章链接的列表，等于白送你一份目录。

更麻烦的是那些动态加载的页面。内容靠JavaScript渲染，右键查看源代码全是空的。这种站点，我一般打开浏览器开发者工具，切到Network面板，刷新页面，盯着XHR请求看——往往能找到背后调用的JSON接口。把接口地址复制出来，直接在浏览器打开，数据就赤裸裸地躺在那里。这不是什么黑客技术，就是顺着网页的脉络摸到了它的数据源。有一次我帮朋友找一个电商平台的历史价格，站内搜索早就下线了，我就是靠这个办法抓到商品ID，然后从接口里拉出了全部评价记录。

还有个土办法，用站点的搜索功能时别太老实。很多网站的搜索框其实是调用了数据库的模糊匹配，你输入“合同”可能没结果，但输入“合 同”加个空格，或者只输入“合”，反而能筛出一堆相关页面。因为系统默认按完整词组匹配，拆开反而触发了更宽松的查询条件。这个技巧我在几个政府网站上屡试不爽。

说到底，搜索指定网站内容，拼的不是工具多高级，而是你对网站结构的理解。每个站点的信息架构都有规律可循，栏目命名、URL层级、参数格式，这些细节里藏着线索。你花十分钟研究一下它的URL规律，比如看到“/article/2023/0612/12345.html”这种格式，就知道年份、日期、ID都嵌在链接里，直接改数字就能翻出相邻文章。

别指望一招鲜吃遍天。这行当没有万能钥匙，只有不断试错积累的手感。我电脑里存着一个文件夹，里面是常用网站的URL规则笔记，哪个站用日期做路径，哪个站用分类ID，哪个站搜索参数是“?keyword=”，都记得清清楚楚。磨刀不误砍柴工，这些笔记帮我省下的时间，够看十几部剧了。