luhanhan / spider

just a spider

spider

just a spider

0×01 说明: 为了方便信息安全测评工作，及时收集敏感地址(初衷是爬取api地址)，所以写了这么个小工具。两个简单的功能（目录扫描和url地址爬取）

0×02 使用参数: python spider.py -u url -s api -o output.txt -t thread_number #通过爬虫 python spider.py -u url -s dir -f dict.txt -o output.txt #通过目录扫描

0×03 部分函数说明: 防止因末尾斜线、锚点而重复爬取（http://www.example.com、http://www.example.com、http://www.example.com/index.html#xxoo）

爬取规则： 第一个无法爬取页面注释中的地址（）,第二个无法爬取相对路径和php?id=等类型的地址，古结合两种规则，并排除图片视频类的地址，最后再去重

补全相对地址、防止越界（可爬取子域名，其他地址除外），并验证地址是否能正常访问

地址池

爬取功能，虽然使用了多线程，但还是比较慢，输出结果是爬取完毕的地址

目录扫描和输出到文件