php批量检查域名是否已注册并获取注册域名的注册公司

浏览数：222 / 时间：2015年06月09日

一个小任务，给了一个包含了几千条域名的Excel，检测是否已经注册，注册的话获取注册公司，并获取对应网站是否能正常打开，最终以Excel文件呈现。

1.起初，想到的就是读取域名，通过http调用 xinnet或者是万网的 whois查询接口查询，而后将页面结果正则匹配Registrant：,registrant organization：,registrant name：字段，获取该行：后边的内容。这样的结果就是很乱，很多注册公司不用这三个字段，没有一个统一的标准来判定是否注册及注册公司。

2.后来搜到一个类似的解决方案 http://stackoverflow.com/questions/16234477/php-script-that-finds-the-registrar-of-any-domain-name ，直接通过读取 whois服务器，实现域名的查询。根据被查询域名的后缀名，访问不同的 whois服务器，查询结果。但是其包含的后缀也不全，而且很多返回的whois内容只有Registrar字段，并且运行中容易断掉。

3.网上还有一种是调用 phpWhois 组件，实现 whois信息查询的核心代码部分：

<pre><?php
include(‘whois_inc/whois.main.php‘);
$whois =newWhois();
$result = $whois->Lookup($domain);
$output = implode("\n", $result[‘rawdata‘]);
echo $output;?></pre>

4.后来高人指点，应该先获取所有域名的whois信息到数据库，再慢慢分析，根据规律，分类，再分类，然后再获取。

首先用PHPExcel将域名导入数据库。

<?php
error_reporting ( E_ALL ); // 开启错误
set_time_limit ( 0 ); // 脚本不超时
require_once ‘library/PHPExcel.php‘;
require_once ‘library/PHPExcel/IOFactory.php‘;
require_once ‘library/PHPExcel/Reader/Excel5.php‘;
$conn = mysql_connect ( "localhost", "root", "" );
mysql_select_db ( "test1", $conn );
mysql_query ( "set names utf8" );
$inputFileName = ‘./example.xls‘;
// $inputFileName = ‘./test.xls‘;
$objReader = PHPExcel_IOFactory::createReader ( ‘Excel5‘ ); 
$objPHPExcel = $objReader->load ( $inputFileName ); // $filename可以是上传的文件，或者是指定的文件
$sheet = $objPHPExcel->getSheet ( 0 );
// var_dump($sheet);exit;
$highestRow = $sheet->getHighestRow (); // 取得总行数
$highestColumn = $sheet->getHighestColumn (); // 取得总列数
                                             
// 循环读取excel文件,读取一条,插入一条
for($j = 2; $j <= $highestRow; $j ++) {
    $a = $objPHPExcel->getActiveSheet ()->getCell ( "A" . $j )->getValue (); 
    $b = $objPHPExcel->getActiveSheet ()->getCell ( "B" . $j )->getValue (); 
    $c = $objPHPExcel->getActiveSheet ()->getCell ( "C" . $j )->getValue ();
    
    $sql = "INSERT INTO domaininfo(domain,regdate,expdate) VALUES(‘$a‘,‘$b‘,‘$c‘)";
    mysql_query ( $sql );
}
echo "success";
?>

linux系统可以使用whois 命令直接获取域名的whois信息，保存到数据库。

<?php
error_reporting ( E_ALL ); // 开启错误
set_time_limit ( 0 ); // 脚本不超时
$conn = mysql_connect ( "localhost", "test", "test1" );
mysql_select_db ( "test", $conn );
mysql_query ( "set names utf8" );
$result = mysql_query ( "select * from domaininfo  " );
while ( $row = mysql_fetch_array ( $result ) ) {
    $domain = $row[‘domain‘];
    $retval = shell_exec("whois $domain");
    $retval = addslashes($retval);
    $sql = "update domaininfo set whois = ‘" . $retval . "‘  where id = $row[id]";
    // echo $sql;exit;
    mysql_query ( $sql );
}
echo "over";
?>

之后根据whois信息分类，将主表中域名逐渐分离到其他表中。

根据匹配 no matching records或NOT FOUND或no match for 分离到domainNomatch表，
匹配Registrant：并有返回值 if (preg_match ( ‘/registrant\s*:([^\r\n]+)/i‘, $row[‘whois‘], $matches ))分离到一个表并获取$matches[1]为注册公司。

匹配Registrant Organization：到一个表并获取注册公司，匹配Registrant name: 分离到一个表并获取。

主表还剩下很多已注册但只有注册商没有注册公司返回的域名，大多是com后缀的，不知道为什么whois命令对com的域名返回的信息不够完整，后来对这些域名分离出来到一个网站上抓取匹配

function getRegistantName($domain) {
    $url = "http://tool.admin5.com/whois/?q=$domain";
    $contents = @file_get_contents ( $url );
    // print_r($contents);echo "<br>";
    if (preg_match ( ‘/registrant\s*[Organization]*:([^<]+)/i‘, $contents, $matches )) {
        // print_r($matches);
        return trim ( $matches [1] );
    } elseif (preg_match ( ‘/registrant\s*[name]*:([^<]+)/i‘, $contents, $matches )) {
        return trim ( $matches [1] );
    } else {
        return "未找到信息";
    }
}

最后还剩下个位数的特殊域名直接手动处理了。。

还有获取状态码：

function getHttpStatusCode($url) {
     $curl = curl_init (); // 初始化新会话，返回curl句柄
     curl_setopt ( $curl, CURLOPT_URL, $url ); // 获取内容url
     curl_setopt ( $curl, CURLOPT_HEADER, 1 ); // 获取http头信息
     curl_setopt ( $curl, CURLOPT_NOBODY, 1 ); // 不返回html的body信息
     curl_setopt ( $curl, CURLOPT_RETURNTRANSFER, 1 ); // 返回数据流，不直接输出
     curl_setopt ( $curl, CURLOPT_TIMEOUT, 30 ); // 超时时长，单位秒
     curl_exec ( $curl ); // 执行该会话
     $rtn = curl_getinfo ( $curl, CURLINFO_HTTP_CODE );
     curl_close ( $curl ); // 关闭会话
     return $rtn;
 }