Python多线程爬虫抓取扫描器_SecYe安全 - 网络信息安全IT技术门户（网络安全、黑客防御、信息安全、编程开发、系统知识）

Python多线程爬虫抓取扫描器

时间：2017-02-17 13:50 来源：本站整理作者：SecYe安全阅读：次

Python多线程扫描器介绍

对于小白来说，玩蛇网在这里介绍的扫描器，并非是条码扫描器；
其实多线程扫描器是python 爬虫中的一种，可以自动检测远程服务器、Web站点等安全漏洞、弱口令、扫描IP、文件、端口、目录的Python程序，它能够快速的准确的发现扫描目标所存在的漏洞，为渗透入侵安全检测等打下了铺垫。

Python爬虫多线程扫描器图片
python 多线程爬虫相关的知识也是Python黑客学习渗透技术必须所掌握的。

例如这个Python Hacker 工具，简单来说有如下作用：

    1. 站点漏洞、木马、危险程序的扫描
    2. 扫描对比文件差异、监控网站文件
    3. 检测网页状态码 (200、403、404、500==)
    4. 检测网站是否SEO作弊 [针对用户和搜索引擎返回不一样的结果]
    5. 网站压力测试 iis连接数等虚拟主机空间连接数 150个
    6. 模拟搜索引擎蜘蛛抓取 US User-Agent 用户代理
    7. 网站程序以及版本确认，网站后台扫描
    8. 扫描端口等等

二、黑客多线程扫描器的功能

需要实现的Python扫描器的简单功能有:

    1. 多线程扫描（加快速度）
    2. 模拟搜索引擎爬虫(User-Agent)
    3. 使用代理服务器(大量代理IP切换抓取)
    4. 扫描状态码、文件目录等返回
    5. 过滤不需要的文件或目录等
    6. 可以手动更改匹配扫描的字典
    7. 可以做成带图形化界面的黑客工具，
如下图所示：(本节教程为终端版，以后会推出相应的GUI版)

多线程端口目录扫描器GUI界面

三、测试多线程爬虫环境搭建

    1. Linux\Mac OS X\Windows均可
    2. 编辑器IDE、Python2.X/Python3.x
    3. 本地搭建测试用开源Web程序或Blog程序 (玩蛇网教程环境: apache2 + php5 + wordpress)
    4. 抓取匹配的列表字典、目录或漏洞文件字典(wordpress , zblog, dedecms等)
    5. 确保本地网络与被扫描服务器之间是连通、稳定的
    6. 注：建议在本地搭建测试环境，切勿扫描网络上面其它网站、服务器，此为非法行为！

    四、黑客工具实战代码案例剖析

# -*- coding:utf-8 -*-
__author__="python.com"
 
import os
import urllib2
import threading
import Queue
import time
import random
 
q = Queue.Queue() # Queue产生一个队列，有3种类型队列 默认用 FIFO队列
threading_num = 5 # 开启5个线程
 
# 扫描本地IP或域名
domain_name = "http://127.0.0.1"
# 百度蜘蛛UA
Baidu_spider = "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)"
# 不需要的文件过滤列表
exclude_list = ['.jpg', '.gif', '.css', '.png', '.js', '.scss'] 
 
proxy_list = [ # 代理服务器，可能已经失效，换为自己的
    {'http': '117.28.254.130:8080'},
    {'http': '118.144.177.254:3128'},
    {'http': '113.118.211.152:9797'},
]
 
# 打开字典文件，开始过滤不需要的文件路径
with open("/home/leo/app_txt/wordpress.txt" , "r") as lines:
    for line in lines:
        line = line.rstrip()
        if os.path.splitext(line)[1] not in exclude_list:
            q.put(line) #将line传入到队列 q 中
 
# 扫描器方法
def crawler():
    while not q.empty(): # 循环
        path = q.get() 将line从队列 q 中取出来
 
        url = "%s%s" % (domain_name, path) # 组合url地址，用于下一步提交
 
        random_proxy = random.choice(proxy_list) # 随机使用一个代理服务器
        proxy_support = urllib2.ProxyHandler(random_proxy)
        opener = urllib2.build_opener(proxy_support)
        urllib2.install_opener(opener)
 
        headers = {} 
        headers['User-Agent'] = Baidu_spider # 蜘蛛的头部信息
         
        request = urllib2.Request(url, headers=headers) 
 
        try:
            response = urllib2.urlopen(request)
            content = response.read()
 
            if len(content): # 内容不为空的情况下返回状态码、路径
                print "Status [%s]  - path: %s" % (response.code, path)
 
            response.close()
            time.sleep(1) # 休息一会儿，防止速度过快连接数过大被封掉IP
        except urllib2.HTTPError as e:
            # print e.code, path
            pass # 异常处理，先暂时pass掉
 
if __name__ == '__main__':
    # 创建多线程并指明函数的入口为crawler，以后还可以传参进去
    for i in range(threading_num): 
        t = threading.Thread(target=crawler)
        t.start()

    # 上面代码，我们一共导入了6个模块都是接下来需要使用的功能模块，
    # os作用是对我们不需要扫描的后缀名文件进行筛选，
    # urllib2负责抓取，而threading就是我们的Python多线程模块，
    # 这次还需要用到Queue这个保证线程安全的队列模块，
    # 其它两个比较简单，一个是随机模块random，另一个时间模块time

本文来源：SecYe安全网[http://www.secye.com] (责任编辑：SecYe安全)

点击复制链接与好友分享!

顶一下

(0)

踩一下

(0)

上一篇：利用Python对网站进行信息收集
下一篇：python之spython解释器详解