指定网站内搜索

你打开一个技术文档站，指定想找“缓存失效策略”的网站说明。站内搜索框敲进去，内搜返回一堆不相关的指定博客链接和产品页。这时候你需要的网站不是换关键词，而是内搜换搜索方式——把搜索引擎的爪子按进这个网站里。

Google 和百度都支持 site: 语法。指定比如 site:developer.mozilla.org 缓存，网站结果只会来自 MDN。内搜这招我用了快十年，指定从查 API 文档到翻论坛旧帖，网站比站内自带的内搜搜索框靠谱得多。很多网站的指定站内搜索是糊弄事的，要么只搜标题，网站要么把标签页也当正文。内搜搜索引擎的爬虫反而更老实，它真读了你网站的内容。

为什么站内搜索经常是摆设

我见过一个电商后台的帮助中心，搜索“退款”返回零结果。手动翻目录，明明有一篇《售后退款流程》。后来发现它的搜索只匹配标题，而标题叫“售后处理”。这种例子太多了。小团队做站内搜索，往往接一个开源的全文索引库，配置时忘了加中文分词，或者只索引了前 200 个字符。用户搜不到，就以为内容不存在。

另一个问题是结果排序。站内搜索经常把最新内容排前面，哪怕相关性很低。你搜“安装”，它给你上周的版本更新日志，而三年前的安装指南沉在第五页。搜索引擎的 PageRank 或者 BM25 算法在这方面反而更成熟——它知道哪个页面被其他页面链接得多，哪个页面停留时间长。

site: 的几种变体

除了 site:example.com 关键词，还可以组合其他语法。比如 site:example.com inurl:api，只搜 URL 里带 “api” 的页面。或者 site:example.com filetype:pdf，专门找 PDF 文档。我查一些老硬件的驱动说明时，经常用 site:ftp.example.com filetype:txt，能翻出上世纪的纯文本手册。

注意，Google 对 site: 的收录不是实时的。新页面可能几天后才进索引。百度收录快一些，但结果里广告和自家产品太多。Bing 的 site: 语法支持不错，可惜中文内容覆盖不如前两者。我一般三个都试，哪个先出结果用哪个。

一个具体案例

去年帮朋友查一个冷门开源项目的配置项。项目官网的搜索框输入 “timeout”，返回“未找到”。我直接搜 site:github.com/project-name timeout，结果里出现了三个 issue 和两个 wiki 页面。原来这个配置项在 issue 的讨论里被提到，还没写进文档。站内搜索只索引了 docs 目录，而 GitHub 的搜索引擎索引了 issue、PR 和代码注释。

这件事说明：指定网站内搜索，本质是借用外部搜索引擎的索引广度。你不需要信任那个网站的搜索功能，你信任的是 Google 或百度的爬虫有没有认真干活。大多数情况下，它们比网站自己的搜索更认真。

什么时候别用 site:

如果网站有严格的 robots.txt 禁止爬虫，或者内容是登录后可见的，site: 就失效了。比如公司内网 wiki，或者付费课程平台。这时候只能靠站内搜索，或者用浏览器的 Ctrl+F 在目录页硬找。另外，有些网站用 JavaScript 动态渲染内容，搜索引擎可能抓不到。你可以试试在搜索关键词后加 &num=100 之类的参数，但多数时候无解。

还有一个坑：site: 语法在移动端浏览器上输入麻烦。我习惯在桌面端先搜好，再把链接发到手机。或者用支持自定义搜索引擎的浏览器，比如 Vivaldi，把 site:example.com %s 绑到一个关键词上。

最后说个习惯

我现在遇到任何网站，第一反应不是点它的搜索框，而是打开新标签页，敲 site: 加域名。这个动作已经变成肌肉记忆。省下来的时间，够我多读两篇文档。当然，如果那个网站的站内搜索做得确实好——比如 Stripe 的文档搜索、或者 Rust 的 docs.rs——我也会直接用。但这样的网站太少了。大多数时候，把搜索范围限定在指定网站内，比信任网站自己的搜索算法更可靠。