研究者逆向破解 Google 64 位 docid:实为 Jenkins 哈希 URL 指纹
gaganghotra_ · x · 2026-10-19
开发者 5eg 发布开源项目 google-docid-research,逆向破解了 Google 搜索内部用于标识网页的 64 位 docid。
核心发现:
- docid 不是索引分配的计数器,而是 URL 字符串的指纹
- 计算公式:docid = (Jenkins32(url, seed=0) << 32) | Jenkins32(url, seed=102072),其中 Jenkins32 是 Bob Jenkins 1996 年的 lookup2 哈希,与 Google 内部 C++ 库(gutil)的 legacy fingerprint() 变体完全一致,代码早已以 Apache 2.0/BSD 开源在 Apache Kudu 中
- 哈希输入是「原样」的 URL:scheme、www、尾斜杠、查询串、大小写和百分号编码都参与计算
- 同一 docid 跨 Google Search、Images、Discover、News 通用,docid hex 前 10 位即 Images/Discover 页面 ID 前缀
项目附公式、可复现的 Python 实现与验证代码,已在 GitHub 开源,对 SEO 与搜索引擎研究有实用价值。
「研究」频道最新
- 意识研究新证据：意识是动态流动的动词而非静态实体 — AnnaCiaunica · 2026-10-19
- MEAV 方法:用对齐向量在推理时细粒度控制 LLM 偏好 — burkov · 2026-10-19
- 生物医学学者盛赞与 OpenAI 合著 GPT-5 科学加速论文：一生最有分量成果之一 — DeryaTR_ · 2026-10-19
- Frank Nielsen 新论文提出均值尺度框架,统一 Fréchet 与 Karcher 均值 — FrnkNlsn · 2026-10-19
- Dust 全链路极限优化换来约 10 倍提速，验证方案已公开 — burny_tech · 2026-10-19
- 七位数学家联名警告：急于将数学全面 AI 形式化恐造成持久伤害 — AlexKontorovich · 2026-10-19