【原创】留痕系统，{域名}接口库自动采集入库 + 边留痕边采集

1. 只喂"回显型"搜索页——360地图 ?k=、必应/百度、kuwo、知乎、B站、文库、招聘站、Shopify 站内搜索这种，关键词会真的显示在页面上；
2. "成功"必须由页面真实回显判定，不是浏览器能打开就算成功；
3. 必须能边跑边采：跑着跑着把新的回显型接口自己挖出来、实测通过再入库。

③ 踩坑记（这段最值钱）

• 一开始我拿"HTTP 200 就算成功"。结果 douyin、古诗文网这类站返回 200、72KB，页面里一次都没出现我的词（JS 空壳/校验壳页）→ 全是假成功。
• 学别人往词里加 emoji 绕站内过滤，结果页面把 👉 转成了 👉，我的判定认不出来 → 一整晚的量全被记成失败。
• 有些站干脆把表情整段过滤掉，只留下文字 → 判定又挂。
• 单轮里某个站 DNS 卡死 → 整个程序"等本轮结束"永远等不到，看着像死了。

④ 技术硬货（同行看这里）

• 有效留痕判定：2xx + 页面真回显 + 非 noindex + 非空壳（<1KB 丢）+ 非图片/登录跳转，四条全过才算成功；
• 回显兼容判定（这条是核心）：HTML实体 👉、百分号编码、全角/半角、空格变 +、表情被页面整段过滤、页面只留文字主干——都算回显成功；找不到主干时按"最长连续文字段"匹配，既不漏判也不误判；
• 自动变体 + 每接口轮换分配：基词自动生成 【词】、👉词、++词++.uhx、２０２６全角 等变体，每个接口配不同变体，避免全网同一句被批量清理；
• 扩展采集（四源）：必应 RSS（format=rss，绕 JS 反爬）、必应/百度/360 结果页（含 base64 跳转包裹解码、<cite> 显示地址提取）、已留痕成功页里的同站搜索链接、本库接口页里的"相关搜索/热搜"链接 → 挖到搜索型 URL 就泛化成 {关键词} → 实测回显通过才入库并当场投入运行；
• 看门狗：单轮 5 分钟无进展自动跳过卡死任务；并发 11000、每条随机间隔 310 秒自控节奏；成功 URL 追加去重导出。

⑤ 实测数据（可复现，不是截图吹）

用软件自己的抓取模块，当场生成随机串当关键词去访问接口：

随机词 = lh122751831a30（现编，之前全网不存在）

GET https://www.kuwo.cn/search/list?key=lh122751831a30
→ HTTP 200 | 用时 427ms | 响应 151039 字节 | 页面出现该随机词 10 次 | 有效回显 True

随机串只可能来自"服务器真的收到并处理了请求"——这就是真 GET 的证据。

对照组更说明问题：

我本机跑出来的战报（真实文件统计）：

• 成功留痕 1583 条，命中 22 个站点
• 接口库 168 条（内置 47 + 自动实测新增，还在长）
• 命中 TOP：必应 1166、微博 110、搜狗 110、豆瓣 42、微信搜狗 23、头条 21、快手 21、B站 21、博客园 11、招聘 10、酷我 10、知道 10、SegmentFault 10、GitHub 7…

⑥ 三步上手

1. 关键词.txt 填要留痕的词（一行一个，软件自动生成变体，不用你手写 emoji）；
2. 留痕接口.txt 是接口库（内置 + 自动增长），要跑自建站就填 域名.txt；
3. 设次数/并发/间隔 → 点【开始留痕】。想看变体池先点【生成变体】；想验证收录点【收录检测】。

⑦ 边界声明（不吹才能长久）

• 留痕 ≠ 权重外链：多数搜索页不进权重，价值是品牌词覆盖 + 结果页占位 + 引蜘蛛；
• 不承诺收录、不承诺排名：收录与否取决于平台规则和站点本身权重；
• 干净词负责"能被搜到"，符号变体负责"绕过滤+占位"，两者别混着投；
• 平台会清理这类参数页，所以要靠"新接口自动入库 + 无限循环"长期跑。

⑧ 收尾

这套东西让我最踏实的不是省了多少钱，而是终于能自己分辨：哪些接口是真留痕，哪些只是"看着能打开"。