域名集

域名集是已保存的网站列表。通过 API,您可以根据搜索结果或自己的列表创建域名集、组合多个域名集,并从域名集中每个网站的网页源代码里提取值:联系方式、社交主页、统计和标签 ID,以及正则表达式能匹配的任何内容。

接口

接口方法功能
/v1/clustersGET账户中的域名集,最新的排在最前:ID、名称、域名数量、创建时间。
/v1/clustersPOST根据搜索(query)或列表(domains)创建域名集;name 可选。
/v1/clusters/{id}GET域名集信息及一页域名:page、per_page(最多 10000);format=txt 则每行一个域名。
/v1/clusters/combinePOST由现有域名集生成新的域名集:operation(and、or 或 diff),clusters(ID 列表)。
/v1/clusters/{id}/extractGET, POST用 presets 和 regex 分批提取值:offset、limit(每次调用最多 1000 个网站)、format(json、xml 或 csv)。
/v1/clusters/presetsGET现成的表达式及其模式。
/v1/clusters/{id}/renamePOST新的 name。
/v1/clusters/{id}/deletePOST永久删除该域名集。

所有修改域名集的操作都是带 JSON 请求体的 POST,不使用 PUT 或 DELETE,因此任何能执行搜索的客户端也都能管理域名集。令牌、速率限制和错误格式都与搜索相同;/v1/account 返回结果中的域名集数据会显示您已有多少个域名集,以及今日还剩多少提取点数。

创建域名集

根据搜索创建:查询结果(最多为您套餐的每次搜索行数)即成为域名集。与 /v1/search 一样消耗一次搜索。

curl https://api.publicwww.com/v1/clusters \
     -H "Authorization: Bearer $PUBLICWWW_KEY" \
     -H "Content-Type: application/json" \
     -d '{"query": "\"googletagmanager.com/gtm.js\"", "name": "GTM sites"}'

{"id": 7, "name": "GTM sites", "size": 100000, "created": "2026-10-10T20:21:30Z",
 "query": "\"googletagmanager.com/gtm.js\"", "total": 2412577, "index_complete": true}

根据列表创建:提交域名或 URL,可以是 JSON 数组,也可以每行一个。只保留索引中已有的网站:submitted 是您提交的数量,size 是实际收入的数量。用列表创建不消耗任何配额。

curl https://api.publicwww.com/v1/clusters \
     -H "Authorization: Bearer $PUBLICWWW_KEY" \
     -H "Content-Type: application/json" \
     -d '{"domains": ["example.com", "https://www.example.org/about"], "name": "Prospects"}'

每个域名集的域名数量受套餐限制,每个账户最多保存 100 个域名集。已有 100 个时再创建,会返回 409 cluster_limit。系统不会替您删除任何域名集,请先删除不再需要的域名集。

组合域名集

curl https://api.publicwww.com/v1/clusters/combine \
     -H "Authorization: Bearer $PUBLICWWW_KEY" \
     -H "Content-Type: application/json" \
     -d '{"operation": "diff", "clusters": [7, 3], "name": "GTM, not yet contacted"}'

and 保留所有域名集共有的域名,or 保留任一域名集中的域名,diff 保留在第一个域名集中而不在第二个中的域名(必须正好两个)。组合不消耗任何配额。

提取数据

数据提取会读取域名集中每个网站已收录的网页,返回表达式捕获的内容,每个表达式对应一列。最简单的方式是使用预设:

预设提取内容
emailmailto: 链接中的邮箱地址
phonetel: 链接中的电话号码
whatsapp、telegram、skype相应链接中的 WhatsApp 号码、Telegram 用户名、Skype 用户名
facebook、instagram、twitter、linkedin网站社交主页的链接(twitter 也匹配 x.com,linkedin 也匹配公司主页)
gtm、ga4、uaGoogle Tag Manager 容器 ID、Google Analytics 4 和 Universal Analytics 的统计 ID
hotjarHotjar 站点 ID
adsenseAdSense 发布商 ID
bitcoinbitcoin: 支付链接中的地址

也可以自己编写:用斜杠(或竖线)包围的正则表达式,可带 i、m、s、u 修饰符,最长 200 个字符。第一个捕获组即为提取的值,规则与 snipexp: 相同。每次调用最多十个表达式(含预设)。

curl https://api.publicwww.com/v1/clusters/7/extract \
     -H "Authorization: Bearer $PUBLICWWW_KEY" \
     -H "Content-Type: application/json" \
     -d '{"presets": ["gtm", "email"], "regex": ["/data-site-id=\"([0-9]+)\"/i"], "limit": 1000}'

{
  "cluster": 7, "name": "GTM sites", "size": 100000,
  "offset": 0, "scanned": 1000, "in_index": 1000, "with_matches": 941,
  "next_offset": 1000,
  "regex": ["/(GTM-[A-Z0-9]{4,10})\\b/", "/mailto:(...)/i", "/data-site-id=\"([0-9]+)\"/i"],
  "points_used": 1834.2, "points_left": 98165,
  "rows": [
    { "domain": "example.com", "values": [["GTM-AB12CD"], ["info@example.com"], []], "matches": 2 }
  ]
}

分批处理。每次调用从 offset 开始,最多处理域名集中的 1000 个网站。将 offset 设为 next_offset 再次调用,直到它返回 null。没有任何匹配的网站不会列出;设置 skip_empty=0 则同样列出。format=csv 时每个网站占一行(先是域名,然后每个表达式一列),下一个偏移量在 X-Next-Offset 响应头中。

点数。数据提取消耗您套餐的每日提取额度:索引中找到的每个网站,按在该网站上找到的值的数量消耗相应点数,一个都没有找到则消耗 0.1 点。点数用完时,调用会提前停止,返回 "stopped": "extract_quota_exceeded" 以及已获取的结果;没有剩余点数时调用会得到 429 extract_quota_exceeded。请先用较小的 limit 试用表达式,详见域名集限制。

用代码处理整个域名集

根据搜索创建域名集,并把每个网站提取出的值写入 CSV 文件。客户端库以现成函数和命令行工具的形式提供了同样的功能。

Python

import csv, os, time, requests

KEY  = os.environ["PUBLICWWW_KEY"]
BASE = "https://api.publicwww.com"
H    = {"Authorization": "Bearer " + KEY}

def call(method, path, body=None):
    while True:
        r = requests.request(method, BASE + path, headers=H, json=body)
        if r.status_code == 429 and r.json()["error"]["code"] == "too_many_requests":
            time.sleep(int(r.headers.get("Retry-After", 30)))
            continue
        r.raise_for_status()
        return r.json()

cluster = call("POST", "/v1/clusters", {"query": '"googletagmanager.com/gtm.js"'})
offset = 0
with open("extract.csv", "w", newline="") as f:
    out = csv.writer(f)
    while offset is not None:
        part = call("POST", "/v1/clusters/%d/extract" % cluster["id"],
                    {"presets": ["gtm", "email"], "offset": offset})
        for row in part["rows"]:
            out.writerow([row["domain"]] + [" ".join(v) for v in row["values"]])
        offset = part["next_offset"]

JavaScript (Node 18+)

const BASE = "https://api.publicwww.com";
const H = { Authorization: "Bearer " + process.env.PUBLICWWW_KEY,
            "Content-Type": "application/json" };

async function call(method, path, body) {
  for (;;) {
    const r = await fetch(BASE + path, { method, headers: H,
                                         body: body && JSON.stringify(body) });
    const data = await r.json();
    if (r.status === 429 && data.error.code === "too_many_requests") {
      await new Promise(ok => setTimeout(ok, 1000 * (r.headers.get("Retry-After") || 30)));
      continue;
    }
    if (!r.ok) throw new Error(data.error.message);
    return data;
  }
}

const cluster = await call("POST", "/v1/clusters", { query: '"hotjar.com"' });
for (let offset = 0; offset !== null; ) {
  const part = await call("POST", `/v1/clusters/${cluster.id}/extract`,
                          { presets: ["hotjar", "email"], offset });
  for (const row of part.rows) console.log(row.domain, row.values.map(v => v.join(" ")).join(";"));
  offset = part.next_offset;
}

PHP

<?php
function call ($method, $path, $body = null) {
    $ch = curl_init ("https://api.publicwww.com" . $path);
    curl_setopt_array ($ch, [
        CURLOPT_CUSTOMREQUEST  => $method,
        CURLOPT_RETURNTRANSFER => true,
        CURLOPT_HTTPHEADER     => ["Authorization: Bearer " . getenv ("PUBLICWWW_KEY"),
                                   "Content-Type: application/json"],
        CURLOPT_POSTFIELDS     => $body === null ? null : json_encode ($body),
    ]);
    $data = json_decode (curl_exec ($ch), true);
    if (isset ($data ["error"])) throw new Exception ($data ["error"]["message"]);
    return $data;
}

$cluster = call ("POST", "/v1/clusters", ["query" => '"jquery.min.js"']);
$out = fopen ("extract.csv", "w");
for ($offset = 0; $offset !== null; ) {
    $part = call ("POST", "/v1/clusters/" . $cluster ["id"] . "/extract",
                  ["presets" => ["email", "phone"], "offset" => $offset]);
    foreach ($part ["rows"] as $row)
        fputcsv ($out, array_merge ([$row ["domain"]], array_map (fn ($v) => join (" ", $v), $row ["values"])));
    $offset = $part ["next_offset"];
}

Go

package main

import (
	"bytes"
	"encoding/json"
	"fmt"
	"net/http"
	"os"
	"strings"
)

func call(method, path string, body, out any) error {
	b, _ := json.Marshal(body)
	req, _ := http.NewRequest(method, "https://api.publicwww.com"+path, bytes.NewReader(b))
	req.Header.Set("Authorization", "Bearer "+os.Getenv("PUBLICWWW_KEY"))
	req.Header.Set("Content-Type", "application/json")
	resp, err := http.DefaultClient.Do(req)
	if err != nil {
		return err
	}
	defer resp.Body.Close()
	if resp.StatusCode >= 300 {
		return fmt.Errorf("publicwww: %s", resp.Status)
	}
	return json.NewDecoder(resp.Body).Decode(out)
}

func main() {
	var cluster struct{ ID int `json:"id"` }
	if err := call("POST", "/v1/clusters", map[string]any{"query": `"googletagmanager.com/gtm.js"`}, &cluster); err != nil {
		panic(err)
	}
	for offset := 0; ; {
		var part struct {
			Rows []struct {
				Domain string     `json:"domain"`
				Values [][]string `json:"values"`
			} `json:"rows"`
			NextOffset *int `json:"next_offset"`
		}
		path := fmt.Sprintf("/v1/clusters/%d/extract", cluster.ID)
		if err := call("POST", path, map[string]any{"presets": []string{"gtm", "ga4"}, "offset": offset}, &part); err != nil {
			panic(err)
		}
		for _, r := range part.Rows {
			cells := []string{r.Domain}
			for _, v := range r.Values {
				cells = append(cells, strings.Join(v, " "))
			}
			fmt.Println(strings.Join(cells, ";"))
		}
		if part.NextOffset == nil {
			break
		}
		offset = *part.NextOffset
	}
}

Ruby

require "json"
require "net/http"

def call(path, body)
  uri = URI("https://api.publicwww.com" + path)
  req = Net::HTTP::Post.new(uri, "Authorization" => "Bearer #{ENV.fetch('PUBLICWWW_KEY')}",
                                  "Content-Type" => "application/json")
  req.body = body.to_json
  res = Net::HTTP.start(uri.host, uri.port, use_ssl: true) { |h| h.request(req) }
  data = JSON.parse(res.body)
  raise data["error"]["message"] if data["error"]
  data
end

cluster = call("/v1/clusters", { query: '"hotjar.com"' })
offset = 0
while offset
  part = call("/v1/clusters/#{cluster['id']}/extract", { presets: %w[hotjar email], offset: offset })
  part["rows"].each { |r| puts [r["domain"], *r["values"].map { |v| v.join(" ") }].join(";") }
  offset = part["next_offset"]
end

错误

状态码与错误码含义
404 cluster_not_found该账户下没有此 ID 的域名集。
409 cluster_limit该账户已保存 100 个域名集。
400 invalid_regex表达式不是用斜杠或竖线包围、不超过 200 个字符的 PCRE。
400 unknown_preset没有这个预设;响应中会列出所有预设。
400 missing_source、ambiguous_source创建时需要提供 query 或 domains,且只能二选一。
429 extract_quota_exceeded今日提取点数已用完。

完整列表见错误页面,以及 API 自带的说明:https://api.publicwww.com/。在 AI 助手中,同样的操作以 MCP 工具的形式提供。

下一篇 代码示例