Superl-url:开源关键词URL采集工具

superl-url是一款开源的,并且功能强大的关键词URL采集工具,可以根据关键词,对搜索引擎内容检索结果的网址内容进行采集。  

程序主要运用于安全渗透测试项目,以及批量评估各类CMS系统0DAY的影响程度,同时也是批量采集自己获取感兴趣的网站的一个小程序~~

本来几年前就写好了,没什么技术含量,没想到小伙伴的使用需求还蛮大的,不敢私藏~~  

立了flag,git的star过200就一定抽时间去升级,这个flag已经实现,目前已经是4.0版本~~  更新后就在这里发出来了。

优势介绍

1.支持多搜索引擎,很方便添加集成。(已内置了百度,搜狗,360),结构模块化,很方便进行扩展,可以无限添加。

2.开源,跨平台,使用python开发;

3.做了兼容性优化,同时支持python2和python3;

4.支持自动过滤重复内容,支持过滤标题中存在指定关键词的内容,支持过滤域名;

5.保存方式同时支持本地txt和mysql数据库;

6.从搜索引擎采集到的地址,是真实网站地址,不是像百度快照那样的三方地址;

7.多进程同时采集。每个搜索引擎都单独一个进程;

8.可灵活的通过配置文件自定义要保存的结果格式。比如只输出带参数的原始真实URL,或者只输出域名,或者同时输出标题,搜索引擎名称。

9.可自定义每页采集时间间隔,防止被屏蔽;

运行效果

2.png

3.png

使用说明

1.安装python2或者python3运行环境;

2.如果提示没有找到库,则需要安装依赖:

如果是python3,则:

pip install ConfigParserpip install tldextract

如果是Python2,则:

pip install tldextractpip install -i https://pypi.tuna.tsinghua.edu.cn/simple configparser

3.根据自己的需要,修改根目录下的config.cfg配置文件。 

配置文件说明

节点参数示例值说明
globalsave_typemysql保存类型,可选择file或者mysql,如果是file则保存为本地txt
globalsleep_time1每次搜索处理完一页后的等待时间,防止太频繁被搜索引擎屏蔽
urlurl_typerealurl保存文件txt里面显示的url类型。realurl=真实网站地址,baseurl=原始搜索引擎地址,urlparam=带参数的真实网站地址
filterfilter_statusTrue是否开启过滤器,如果开启,则过滤域名和标题都不生效
filterfilter_domainTrue是否过滤域名
filterfilter_titleTrue是否过滤标题
logwrite_titleTrue是否显示标题
logwrite_nameTrue是否显示搜索引擎名称
enginebaiduTrue百度搜索引擎模块是否开启
enginesougouTrue搜狗模块是否开启
enginesoFalse搜搜模块是否开启 (搜搜现在抓取不到了)
pagesizebaidu_pagesize50每页条数
pagesizesougou_pagesize50每页条数
pagesizeso_pagesize10每页条数
mysqlhost127.0.0.1如果保存类型为Mysql,则此节点必须配置正确
mysqlport3306端口
mysqluserroot用户名
mysqlpasswordroot密码
mysqldatabasesuperldb数据库名称
mysqltablesearch_data表名称
filesave_pathdirresult如果保存类型为file,则这里设置的是保存的路径,当前为程序根目录的result文件夹
pluginprTrue预留的插件功能,暂时不支持

如果保存方式为Mysql,还需要执行以下sql创建表:

    CREATE TABLE `search_data` (   
    `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
     `engine` varchar(20) NOT NULL DEFAULT '',
     `keyword` varchar(100) NOT NULL DEFAULT '',      
     `baseurl` varchar(255) NOT NULL DEFAULT '',      
     `realurl` varchar(255) NOT NULL DEFAULT '',      
     `urlparam` varchar(255) NOT NULL DEFAULT '',      
     `webtitle` varchar(255) NOT NULL DEFAULT '',      
     `create_time` int(10) NOT NULL,      PRIMARY KEY (
     `id`)
         ) ENGINE=MyISAM AUTO_INCREMENT=395 DEFAULT CHARSET=utf8;

项目地址:【GitHub传送门

至于要不要再开发一个JAVA GUI版本的或者php写WEB版本的,先观望观望~

*本文作者:superl


发表评论 取消回复

电子邮件地址不会被公开。 必填项已用*标注