我把 ip.net.coffee 复刻了一遍:整站镜像 + 12 个自建接口的施工记录
这篇不是成果展示,是施工记录。复刻一个「IP 工具箱」站点,前端可以镜像,后端必须自己造;真正耗时间的不是写页面,而是 nginx 路由、数据源可用性和「怎么证明它真的能用」。
一、先把目标说清楚:复刻不是「看起来像」
ip.net.coffee 这个站的定位很清晰:输入一个 IP,告诉你它干净不干净、能不能用来跑 Claude / ChatGPT / Codex。功能拆开是 13 个页面:
- 首页:我的 IP + 分流域名探测 + 连通性格子
- Claude / GPT / Codex 三个「AI 平台可用性」检测页
- IP 评分页(信誉分、ASN、机房/住宅、DNSBL、端口扫描)
- 网络连通性(35 个站点逐个探活)
- DNS 泄露、WebRTC 泄露
- Cloudflare 专项(WARP 出口、边缘节点、trace)
- 全球 Ping、服务状态聚合、Whois、AI 资讯、IP 名片
第一版我做的是「照着功能自己写」:版式自己设计、文案自己写、交互自己拍。结果是——功能一个不少,但用户打开就说「你没有完全复刻」。
这句话点醒我的地方在于:复刻的验收标准不是功能覆盖,而是「逐像素、逐句话」的一致。功能可以重写,版式、栏目顺序、文案断句、按钮位置,这些才是用户脑子里的那个站。
二、换思路:前端整站镜像,后端全部换掉
既然前端要 1:1,那就别重写了,直接把静态资源抓下来。整个站的前端其实是「静态 HTML + 每页一个 page.css / page.js」,没有前端框架,这对镜像极其友好。
2.1 抓取范围
先枚举页面,再按目录递归:
13 个主页面:/ /ip/ /claude/ /gpt/ /link/ /dns/ /webrtc/
/cloudflare/ /ping/ /status/ /whois/ /news/ /card/
共用样式:/home-page.css
页面样式:/<page>/<page>-page.css
页面脚本:/<page>/<page>-page.js
资讯:/news/*.html(分页)、/news/tag/*/、/ai|claude|gpt/news/*.html(文章页)
最后落地是 500 多个 HTML。注意两个细节:
- 用 HTTP/1.1 单线程抓。目标站开了 HTTP/2,多路复用下用 curl 并发抓几十个文件,经常半路被掐断,返回 0 字节;改成
--http1.1 --retry 3反而稳。 - 抓完必须校验文件尾部。有一批页面抓下来是截断的(
</html>没有),肉眼看不出来,浏览器会自动补全,但里面的内联 JS 少了半截,页面交互就是死的。用tail -c 80逐个看结尾最省事。
2.2 域名与品牌替换清单
镜像下来第一件事不是部署,是「去原站化」。漏一个就会出现「页面里还写着别人的域名」或者「点一下跳回原站」。
https://ip.net.coffee → https://ip.jiangtian.top
https://card.net.coffee/ → /card/ (名片页是同站路径)
domain=.net.coffee → domain=.jiangtian.top (主题 cookie)
Net.Coffee → 无尘阁工具箱
此外还要删掉原站的 Google Analytics(gtag)脚本,换自己的或直接去掉
替换完再全站 grep 一遍 net.coffee,通常会剩几处藏在 JS 字符串里,比如画 canvas 水印的 ctx.fillText('net.coffee')、或者 trace('ip.net.coffee') 这种拼在函数参数里的。
三、后端:13 个页面背后的 12 个接口
前端镜像完,所有 /api/... 请求都是 404。这才是真正的工作量。原则只有一条:接口路径和返回结构必须和原站一致,否则前端 JS 一行都不用改,改前端就等于放弃「1:1」。
3.1 IP 归属:三级兜底
单个数据源不可靠,尤其国内服务器访问境外 API。做法是「主 → 备 → 兜底」:
IPinfo(免费额度 5 万/月,字段全,有 ASN 和公司名)
↓ 失败或超限
ipapi.co(免费 1000/天,字段够用)
↓ 再失败
MaxMind GeoLite2(geolite.info 在线接口,Basic Auth)
这里有个坑值得单独说:GeoLite2-City 的 mmdb 直链在国内下载会返回 HTTP 451(美国批量数据出口管制),不是网络问题,重试一万次也没用。想用 MaxMind 就老实走它的在线 API,或者用 geolite.info 的 web 服务。
3.2 风险评分:把「信任分」翻过来
AbuseIPDB 给的是 abuseConfidenceScore(0–100,越高越脏),前端要的是「纯净度」。别在前端算,后端直接给:
score = 100 - abuseConfidenceScore
顺手把「住宅 / 机房 / 代理 / 滥用」四类特征也合成好,前端只负责染色。
3.3 全球 Ping:别自己造节点
一开始我想「自己搞 20 个节点」,现实是一台 2C1.8G 的机器,能开出来的「节点」全是同一个出口,测出来的延迟毫无意义。
后来改用 Globalping 的公共探测网(免费,限流但不苛刻):提交一次 measurement,指定 20 个城市,几秒后取结果。
POST https://api.globalping.io/v1/measurements
{"type":"ping","target":"1.1.1.1",
"locations":[{"city":"Shanghai"},{"city":"Tokyo"}, ...],
"measurementOptions":{"packets":3}}
GET https://api.globalping.io/v1/measurements/<id> // 轮询直到 finished
实测 20 个城市大约 3.7 秒全部出结果,前端表格能填出真实的 179 / 180 / 181 ms,而不是一堆 --。
3.4 Whois:RDAP 比 43 端口靠谱
传统 whois 走 TCP 43,各家注册局的输出格式五花八门,解析器写起来是无底洞。改用 RDAP:
GET https://rdap.org/domain/github.com
Accept: application/rdap+json
两个必须注意的点:
- 必须跟随 302。rdap.org 是个跳转网关,不跟跳转就永远拿到 302,看起来「查询失败」。
- TLD 列表自己拉。前端有个「支持 1436 个后缀」的展示,数据来自 IANA 的 tlds-alpha-by-domain.txt,缓存一天即可。
3.5 DNSBL:12 家并行查
黑名单查询本质是 DNS 查询:把 IP 反转拼上 zen.spamhaus.org 这类域名,有 A 记录就是命中。
串行查 12 家会让页面卡 6–10 秒,必须并行。这里没走 gethostbyname(PHP 没有异步 DNS),而是自己拼 UDP DNS 包 + stream_select 多路复用,或者直接用公共 DoH 的 JSON 接口。
国内服务器上有个现实问题:cloudflare-dns.com 超时。换成 AliDNS 的 JSON 接口就通了:
GET https://dns.alidns.com/resolve?name=2.0.0.127.zen.spamhaus.org&type=A
3.6 服务状态聚合 + 仿 /cdn-cgi/trace
状态页要 31 家服务的实时状态,做法是遍历各家的 statuspage JSON,统一成 {indicator, level, ok} 三态,缓存 5 分钟,别让每次刷新都打一遍。
Cloudflare 检测页里前端会读 /cdn-cgi/trace 判断 WARP 和边缘节点。这个路径在自己站上不存在,用 PHP 生成同样的 key=value 纯文本即可,前端不需要任何改动。
四、nginx 路由:整个项目最容易翻车的地方
为了让前端 JS 里的 /api/geoip/1.1.1.1 这类「路径参数」风格能落到 PHP 上,必须写一堆 rewrite。这里有 6 个坑,我一个个踩过来的。
坑 1:$1 不是你以为什么
# 错:$1 取的是 rewrite 自己的正则捕获,location 的捕获拿不到
location ~ ^/api/iprisk/([0-9a-fA-F:.]+)$ {
rewrite ^ /api/iprisk.php?ip=$1 last;
}
# 对:把完整正则写进 rewrite
location ~ ^/api/iprisk/([0-9a-fA-F:.]+)$ {
rewrite ^/api/iprisk/([0-9a-fA-F:.]+)$ /api/iprisk.php?ip=$1 last;
}
这个错误的表现极具迷惑性:接口返回 200,但 ip 参数是空的,于是查询的是「你自己的 IP」,看起来「功能正常,只是结果不对」。
坑 2:带 ? 的 rewrite 会吞掉原查询串
# 错:?host=1.1.1.1 丢了
rewrite ^ /api/ping.php?action=start last;
# 对:显式带上 $args
rewrite ^ /api/ping.php?action=start&$args last;
坑 3:PHP 只保留最后一个同名参数
前端要传 20 个节点:?node=n01&node=n02&...&node=n20。PHP 的 $_GET['node'] 只会给你 n20。要么前端改成 node[]=,要么后端自己解析原始查询串:
$raw = $_SERVER['QUERY_STRING'] ?? '';
foreach (explode('&', $raw) as $kv) {
[$k, $v] = array_pad(explode('=', $kv, 2), 2, '');
if ($k === 'node') { $ids[] = $v; }
}
坑 4:/ip/<ip>/ 不能 302 到 ?ip=
我一开始图省事,把 /ip/8.8.8.8/ 302 到 /ip/?ip=8.8.8.8。结果页面打开是空的——因为镜像来的前端 JS 是用 location.pathname 取 IP 的,跳转之后 pathname 变成 /ip/,它当然找不到。正确做法是内部 rewrite 到 index.html,让 URL 保持原样:
location ~ ^/ip/([0-9a-fA-F:.]+)/?$ {
rewrite ^/ip/[0-9a-fA-F:.]+/?$ /ip/index.html last;
}
坑 5:rewrite 之后 REQUEST_URI 还是老的
PHP 里 $_SERVER['REQUEST_URI'] 反映的是原始请求,不是 rewrite 后的。所以后端解析「动作」时别依赖它,直接用 $_GET 里由 nginx 塞进来的参数,或者自己传 ?p=related&ip=x。
坑 6:改完 PHP 不 reload 等于没改
宝塔的 PHP 8.4 默认开 opcache。scp 覆盖了文件、curl 请求还是旧结果,第一反应是「路由没生效」,其实只是缓存:
/etc/init.d/php-fpm-84 reload
五、安全与缓存:两个容易被忽略的点
5.1 XFF 可以随便伪造
「查询我的 IP」如果直接读 X-Forwarded-For,任何人加个请求头就能查任意 IP,还能伪装成别人刷你的额度。正确做法是只在请求确实来自 Cloudflare 段时才信任 CF-Connecting-IP:
$ip = $_SERVER['REMOTE_ADDR'];
if (in_cf_range($ip) && !empty($_SERVER['HTTP_CF_CONNECTING_IP'])) {
$ip = $_SERVER['HTTP_CF_CONNECTING_IP'];
}
5.2 文件缓存比 Redis 更合适
2C1.8G 的机器上再装 Redis 是浪费。接口结果按「参数 MD5 → 文件名」写到磁盘,带 TTL 判断,命中率高的接口(geoip、status)能省掉 80% 的外部请求。注意把缓存目录用 nginx 挡掉:
location ^~ /api/cache/ { return 404; }
location ~ ^/api/(config|common|lib_ip)[.]php$ { return 404; }
六、让资讯页每天自己长出新内容
镜像来的资讯页是「抓取当天的快照」,第二天就变成死水。这块必须做成流水线,否则「AI 资讯」四个字就是假的。
6.1 选源:能通的才是好源
在国内服务器上实测,可用的 RSS 源(不是每个都能抓正文):
- 量子位、雷峰网、InfoQ 中文:整源都是 AI/技术,直接全收
- IT之家、开源中国:综合源,必须按标题关键词过滤
- OpenAI 官方:RSS 能读,但文章页有 CF 拦截(403),只能用摘要
顺手记两个失败案例:机器之心的 rss 会 302 到一个 HTML 页;36kr 的主 feed 混着大量股市快讯,AI 相关内容比例太低。
6.2 抓正文:写个简化版 Readability
RSS 里的 description 通常只有一两句,直接当正文会显得很水。做法是抓原文页,用 DOM 打分挑容器:
分数 = Σ(长度 > 24 的 <p> 文本长度) - 0.7 × 容器内链接文本长度
取分数最高的 div / article / section / main
再按文档顺序抽 p / h2 / h3 / li / blockquote,顺手扔掉噪声:
署名行("允中 发自 凹非寺 量子位 | 公众号QbitAI")
编辑/责编/来源/字数/阅读完需
"本文系…授权转载"、"点击关注"、"扫码"
还有一个必做的小事:连续重复段去重。不少站点会把摘要段再在正文里说一遍,不去重会出现同一句话连着出现两次。
6.3 摘要别用 RSS 的,用正文前几段拼
RSS 摘要往往是「英伟达公布了老黄离职后的首份财报」这种 15 字的导语,放卡片上信息量为零。改成从正文取前 3–6 个有效段落拼接,再按句号截断到 105 字,卡片立刻能读了。
6.4 生成静态页 + cron
整站是静态的,那就继续静态:每天跑一次脚本,抓取 → 提取 → 写文章页 → 重建列表页 / 分页 / 标签页。
30 7 * * * cd /www/wwwroot/ip.jiangtian.top && \
/www/server/php/84/bin/php api/newsgen.php >> api/cache/news/cron.log 2>&1
文章 ID 用 YYYYMMDD + 字母,生成前先扫一遍当天已有文件,避免覆盖镜像下来的历史文章。索引存成一份 JSON(id / href / title / summary / date / tags / source),列表页、分页、标签页全部从索引重新渲染——只改一处,全站一致。
重建分页时有个自己给自己挖的坑:模板在 <div class="nw-grid"> 处切开,生成时只拼了卡片和闭合标签,忘了把开标签加回去。结果是 30 张卡全变成单列竖排,CSS 里的 grid-template-columns: 1fr 1fr 根本没生效。
6.5 关键词过滤:ai 会命中 email
综合源按关键词过滤时,如果用 strpos 判断,ai 会命中 email、detail、capital,于是「小米雷军 APEC 发名片」「博世出售印度业务」全被当成 AI 新闻收进来。解决办法是给纯英文关键词加单词边界:
if (preg_match('/^[a-z0-9 .\-]+$/', $w)) {
$re = '/(?<![a-z0-9])' . preg_quote($w) . '(?![a-z0-9])/i';
return (bool)preg_match($re, $haystack);
}
return mb_strpos($haystack, $w) !== false;
再加一条:综合源只按标题判定。摘要里的「智能」「AI」噪声太多,按摘要过滤等于没过滤。
七、怎么证明它真的能用
「我打开看了一眼是好的」不算验证。我的验收方式是用 Playwright 跑一遍全站:
遍历 13 个主页面,监听所有 response
统计 status >= 400 的站内请求,以及 pageerror
顺带断言:.nw-card 数量 > 0、#resultsBody 有 td、#nwGrid 是两列
这套巡检抓出的问题比人工点检查多得多:缺的图标(几百个 404)、漏改的域名、只在一部分页面上出现的 JS 报错,全是这么暴露的。图标那块最后的处理是在 nginx 加一条兜底,缺图统一返回 1×1 透明 PNG:
location ^~ /favicons/ { try_files $uri /favicons/blank.png; }
功能侧的关键数字:DNS 泄露检测能吐出 3 个真实解析器出口;全球 Ping 20 城市 3.7 秒出全量结果;Whois 查 github.com 能拿到 MarkMonitor 和到期时间;状态页 31 家实时聚合;资讯每天 07:30 自动新增 20–36 篇。
八、成本账
- 服务器:复用已有的博客服务器(2C1.8G),增量成本 0
- 域名 / 证书:子域名 + Let's Encrypt,0 元(acme.sh 走 webroot 验证,不用停站)
- IP 归属:IPinfo 免费额度 5 万/月,个人站根本用不完
- 风险数据:AbuseIPDB 免费 1000 次/天,配合缓存够用
- 全球 Ping:Globalping 公共网免费
- Whois:RDAP 免费
唯一没解决的是「BGP 路由拓扑、网段热度、同机房供应商」这类图——原站靠长期自建的 BGP 采集和流量库,这些不是花钱能买到的,只能显示「暂无数据」。这也是复刻和原创之间那条清晰的分界线。
九、复盘:如果重来一次
- 先定验收标准再动手。是「功能等价」还是「逐像素一致」,决定了两条完全不同的技术路线,中途换路线是最贵的。
- 镜像前端时先做资源清单。CSS/JS/图标一次列全再抓,比边做边补省一半时间。
- 接口先对齐返回结构,再谈实现。结构一致,前端零改动;结构不一致,每改一处都在破坏「1:1」。
- 所有 rewrite 当天就用 curl 验证参数落到了 PHP。这类 bug 不会报错,只会「结果不对」。
- 能写成定时任务的就别手搓。资讯、状态、证书续期,全部交给 cron,人只负责看日志。
最后一句提醒:镜像别人的前端只适合自用和学习。真要长期运营,页面和文案得自己重写;转载资讯务必标注来源并保留原文链接——这既是版权,也是这个站还能继续存在的前提。
成品在 ip.jiangtian.top,源码结构、接口清单和每日同步脚本都可以照着这几段自己搭一遍。
AI 实战导师 / 企业 AI 落地顾问 / 智能体工程师,17 年跨界、15,000+ 小时 AI 实操、20+ 套已交付工作流。
发表评论: