Python爬虫——爬取 url 采集器

Love The Way You Lie 2021-07-25 21:35 524阅读 0赞

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70]

--------------------

QQ 1274510382  
Wechat JNZ\_aming  
商业联盟 QQ群538250800  
技术搞事 QQ群599020441  
解决方案 QQ群152889761  
加入我们 QQ群649347320  
共享学习 QQ群674240731  
纪年科技aming  
网络安全 ,深度学习,嵌入式,机器强化,生物智能,生命科学。

叮叮叮：产品已上线 —>关注 官方-微信公众号——济南纪年信息科技有限公司  
民生项目：商城加盟/娱乐交友/创业商圈/外包兼职开发-项目发布/  
安全项目：态势感知防御系统/内网巡查系统  
云服项目：动态扩容云主机/域名/弹性存储-数据库-云盘/API-AIeverthing  
产品咨询/服务售后（同）

## 纸上得来终觉浅,绝知此事要躬行 ！！！   寻找志同道合伙伴创业中。。。抱团滴滴aming联系方式！! ##

--------------------

## url采集器 ##

0x01 前言

*  URl采集 批量刷洞

0x02 ZoomEyeAPI脚本编写

*  ZoomEye是一款针对网络空间的搜索引擎
 *  收录了互联网空间中的设备、网站及其使用的服务或组件等信息。  
    ZoomEye 拥有两大探测引擎：Xmap 和 Wmap  
    分别针对网络空间中的设备及网站，  
    通过 24 小时不间断的探测、识别，标识出互联网设备及网站所使用的服务及组件。
 *  研究人员可以通过 ZoomEye 方便的了解组件的普及率及漏洞的危害范围等信息。
 *  虽然被称为 “黑客友好” 的搜索引擎，
 *  但 ZoomEye 并不会主动对网络设备、网站发起攻击，收录的数据也仅用于安全研究。
 *  ZoomEye更像是互联网空间的一张航海图。  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 1]  
    [ API 文档 ][API _]

![在这里插入图片描述][20210103075121490.png]

先登录，然后获取access\_token  
![在这里插入图片描述][20210103075147629.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 2]  
![在这里插入图片描述][2019111120462670.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 3]

user = raw_input('[-] PLEASE INPUT YOUR USERNAME:')
    passwd = raw_input('[-] PLEASE INPUT YOUR PASSWORD:')

def Login():
        data_info = { 'username' : user,'password' : passwd}
        data_encoded = json.dumps(data_info) 
        respond = requests.post(url = 'https://api.zoomeye.org/user/login',data = data_encoded)
        try:
            r_decoded = json.loads(respond.text) 
            access_token = r_decoded['access_token']
        except KeyError:
            return '[-] INFO : USERNAME OR PASSWORD IS WRONG, PLEASE TRY AGAIN'
        return access_token
    if __name__ == '__main__':
        print Login()

![在这里插入图片描述][20210103082114574.png]

def search():
        headers = { 'Authorization': 'JWT ' + Login()}
        r = requests.get(url = 'https://api.zoomeye.org/host/search?query=tomcat&page=1',
                             headers = headers)
        response = json.loads(r.text)
        print(response)
    if __name__ == '__main__':
        search()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 4]  
JSON数据，  
我们可以取出IP部分…

print(response)
        for x in response['matches']:
            print(x['ip'])

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 5]  
HOST的单页面采集  
接下来，就是用FOR循环…获取多页的IP

#-*- coding: UTF-8 -*-
    import requests
    import json
    
    from click._compat import raw_input
    
    
    def Login():
        data_info = { 'username' : user,'password' : passwd}
        data_encoded = json.dumps(data_info)
        respond = requests.post(url = 'https://api.zoomeye.org/user/login',data = data_encoded)
        try:
            r_decoded = json.loads(respond.text)
            access_token = r_decoded['access_token']
        except KeyError:
            return '[-] INFO : USERNAME OR PASSWORD IS WRONG, PLEASE TRY AGAIN'
        return access_token
    
    
    
    def search():
        headers = { 'Authorization': 'JWT ' + Login()}
        for i in range(1, int(PAGECOUNT)):
            r = requests.get(url='https://api.zoomeye.org/host/search?query=tomcat&page=' + str(i),
                             headers=headers)
            response = json.loads(r.text) 
        print(response)
        for x in response['matches']:
            print(x['ip'])
    
    
    
    if __name__ == '__main__':
        user = raw_input('[-] PLEASE INPUT YOUR USERNAME:')
        passwd = raw_input('[-] PLEASE INPUT YOUR PASSWORD:')
        PAGECOUNT = raw_input('[-] PLEASE INPUT YOUR SEARCH_PAGE_COUNT(eg:10):')
        search()

这样就取出了你想要的页码的数据，然后就是完善+美观代码了…

#-*- coding: UTF-8 -*-
    import requests
    import json
    
    from click._compat import raw_input
    
    
    def Login(user,passwd):
        data_info = { 'username' : user,'password' : passwd}
        data_encoded = json.dumps(data_info)
        respond = requests.post(url = 'https://api.zoomeye.org/user/login',data = data_encoded)
        try:
            r_decoded = json.loads(respond.text)
            access_token = r_decoded['access_token']
        except KeyError:
            return '[-] INFO : USERNAME OR PASSWORD IS WRONG, PLEASE TRY AGAIN'
        return access_token
    
    
    
    def search(queryType,queryStr,PAGECOUNT,user,passwd):
        headers = { 'Authorization': 'JWT ' + Login(user,passwd)}
        for i in range(1, int(PAGECOUNT)):
            r = requests.get(url='https://api.zoomeye.org/'+ queryType +'/search?query='+queryStr+'&page='+ str(i),
                             headers=headers)
            response = json.loads(r.text)
            try:
                if queryType == "host":
                    for x in response['matches']:
                        print(x['ip'])
                if queryType == "web":
                    for x in response['matches']:
                        print(x['ip'][0])
            except KeyError:
                print("[ERROR] No hosts found")
    
    
    
    
    
    def main():
        print (" _____ _____ ____ "   )
        print ("|__ /___ ___ _ __ ___ | ____| _ ___/ ___| ___ __ _ _ __" )
        print (" / // _ \ / _ \| '_ ` _ \| _|| | | |/ _ \___ \ / __/ _` | '_ \ ")
        print (" / /| (_) | (_) | | | | | | |__| |_| | __/___) | (_| (_| | | | |")
        print ("/____\___/ \___/|_| |_| |_|_____\__, |\___|____/ \___\__,_|_| |_|")
        print (" |___/ ")
        user = raw_input('[-] PLEASE INPUT YOUR USERNAME:')
        passwd = raw_input('[-] PLEASE INPUT YOUR PASSWORD:')
        PAGECOUNT = raw_input('[-] PLEASE INPUT YOUR SEARCH_PAGE_COUNT(eg:10):')
        queryType = raw_input('[-] PLEASE INPUT YOUR SEARCH_TYPE(eg:web/host):')
        queryStr = raw_input('[-] PLEASE INPUT YOUR KEYWORD(eg:tomcat):')
        Login(user,passwd)
        search(queryType,queryStr,PAGECOUNT,user,passwd)
    if __name__ == '__main__':
        main()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 6]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 7]

0x03 ShoDanAPI脚本编写  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 8]

Shodan是互联网上最可怕的搜索引擎。  
CNNMoney的一篇文章写道，  
虽然目前人们都认为谷歌是最强劲的搜索引擎，  
但Shodan才是互联网上最可怕的搜索引擎。  
与谷歌不同的是，Shodan不是在网上搜索网址，  
而是直接进入互联网的背后通道。  
Shodan可以说是一款“黑暗”谷歌，  
一刻不停的在寻找着所有和互联网关联的服务器、摄像头、打印机、路由器等等。  
每个月Shodan都会在大约5亿个服务器上日夜不停地搜集信息。  
Shodan所搜集到的信息是极其惊人的。  
凡是链接到互联网的红绿灯、安全摄像头、家庭自动化设备以及加热系统等等都会被轻易的搜索到。  
Shodan的使用者曾发现过一个水上公园的控制系统，一个加油站，甚至一个酒店的葡萄酒冷却器。

而网站的研究者也曾使用Shodan定位到了核电站的指挥和控制系统及一个粒子回旋加速器。

Shodan真正值得注意的能力就是能找到几乎所有和互联网相关联的东西。  
而Shodan真正的可怕之处就是这些设备几乎都没有安装安全防御措施，其可以随意进入。

0x04 简易BaiduURL采集脚本编写

0x05 【彩蛋篇】论坛自动签到脚本

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 9]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70]: /images/20210725/6f0166d5e9dd4a5796038f7a13c8ea2e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 1]: /images/20210725/7c99c94a478c498dacca466219deddf3.png
[API _]: https://www.zoomeye.org/doc
[20210103075121490.png]: /images/20210725/49a5b4c06682466683b36202c4ead523.png
[20210103075147629.png]: /images/20210725/82911a373a5b48eb93674f87547320e4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 2]: /images/20210725/951dc46692d5415ba1684bfff3c5fadd.png
[2019111120462670.png]: /images/20210725/859cee7fd0fc461b8099b5744cfdc335.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 3]: /images/20210725/fec46d41dfaf4ff693172db4047393d3.png
[20210103082114574.png]: /images/20210725/26a96bd904a34a8581f7798e8e9ed4c7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 4]: /images/20210725/4c7d5230de5a49f1a8db47bfa28a4b85.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 5]: /images/20210725/65280eb915ef44ca85f4b84d6af78c0b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 6]: /images/20210725/dbca8c124b8449cd9a7b54a074b50e2a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 7]: /images/20210725/37d4af989f414866870367ce35f24911.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 8]: /images/20210725/625463dcd05241a8af544e3fd1968fdc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzNjA4MDAw_size_16_color_FFFFFF_t_70 9]: /images/20210725/6526d4cf035f4dd1aaaca7637396be3c.png