如何用PHP的cURL获取archive.org指定域名的快照数量？

可以通过PHP的cURL获取该数值，但直接抓取目标页面的静态HTML不行——因为快照数量是页面加载后通过JavaScript动态拉取数据生成的，file_get_contents和普通cURL请求只能拿到初始静态源码，自然获取不到。

推荐两种可行方案：

方案一：使用Wayback Machine官方API（推荐） #

Wayback Machine提供了CDX Server API，可直接查询指定域名的所有快照记录，统计数量即可。这种方式比抓页面更稳定，不受页面结构变化影响。

PHP cURL代码示例 #

<?php
$targetDomain = 'google.com';
// 调用CDX API获取所有快照的时间戳（仅返回时间戳字段以减少数据量）
$apiEndpoint = "https://web.archive.org/cdx/search/cdx?url={$targetDomain}&output=json&fl=timestamp";

// 初始化cURL
$ch = curl_init($apiEndpoint);
// 设置选项：返回结果而非直接输出，跟随重定向，模拟浏览器UA
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36');

// 执行请求
$response = curl_exec($ch);
curl_close($ch);

if ($response) {
    $snapshotData = json_decode($response, true);
    if (is_array($snapshotData) && count($snapshotData) > 0) {
        // 数组第一个元素是表头，所以总数量是数组长度减1
        $snapshotCount = count($snapshotData) - 1;
        echo "该域名快照数量：{$snapshotCount}";
    } else {
        echo "未找到该域名的快照记录";
    }
} else {
    echo "API请求失败，请检查网络或域名格式";
}
?>

方案二：抓取动态渲染后的页面（不推荐） #

如果一定要通过抓取目标页面获取数值，需要借助能执行JavaScript的无头浏览器工具（如Puppeteer），PHP可通过调用Node.js脚本间接实现。但这种方式依赖额外工具，且页面结构变更会导致解析失效，仅作为备选。

大致步骤 #

1. 安装Node.js和Puppeteer
2. 编写Node.js脚本，用Puppeteer打开目标页面，提取快照数量
3. 在PHP中通过exec()或shell_exec()调用该脚本，获取返回结果

内容的提问来源于stack exchange，提问作者daniele