簡單的寫了一個爬取www.seebug.org上poc的小玩意兒~
首先我們進行一定的抓包分析
我們遇到的第一個問題就是seebug需要登錄才能進行下載，這個很好處理，只需要抓取返回值200的頁面，將我們的headers信息復制下來就行了
（這里我就不放上我的headers信息了，不過headers里需要修改和注意的內容會在下文講清楚）
|
1
|
|
2
3
4
5
6
7
8
9
|
headers = { 'Host':******, 'Connection':'close', 'Accept':******, 'User-Agent':******, 'Referer':'https://www.seebug.org/vuldb/ssvid-', 'Accept-Language':'zh-CN,zh;q=0.8', 'Cookie':***********} |
由上所知，我們的中點就是referer這一項，是我們后面要進行修改的
那么怎么去修改這個呢？
我先進行點擊下載鏈接抓包發現，seebug的poc下載鏈接特別的整齊：
'https://www.seebug.org/vuldb/downloadPoc/xxxxx',
后面只需要加上一個五位數就行，而且五位數是連號的哦！
這就一目了然，我更改了五位數再次進行請求時發現，并沒有返回美麗的200狀態碼，瞄了一眼header，發現了referer這一項：
'Referer':'https://www.seebug.org/vuldb/ssvid-xxxxx'
也就是說referer這一項的五位數字也要隨之變化，這樣我們的get請求頭部就完成了
接下來是線程的問題
使用了queue和threading進行多線程處理，發現我們不能圖快，不然會被反爬蟲發現
于是導入time增加time.sleep(1)，能有一秒的休眠就行了，線程數給了2個（這樣看來好像線程的意義并不大，不過也就這么寫啦）
|
1
|
|
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
|
# coding=utf-8import requestsimport threadingimport Queueimport time headers = { ****** }url_download = 'https://www.seebug.org/vuldb/downloadPoc/'class SeeBugPoc(threading.Thread): def __init__(self,queue): threading.Thread.__init__(self) self._queue = queue def run(self): while not self._queue.empty(): url_download = self._queue.get_nowait() self.download_file(url_download) def download_file(self,url_download): r = requests.get(url = url_download,headers = headers) print r.status_code name = url_download.split('/')[-1] print name if r.status_code == 200: f = open('E:/poc/'+name+'.txt','w') f.write(r.content) f.close() print 'it ok!' else: print 'what fuck !' time.sleep(1)''' def get_html(self,url): r = requests.get(url = url,headers = headers) print r.status_code print time.time()'''def main(): queue = Queue.Queue() for i in range(93000,93236): headers['Referer'] = 'https://www.seebug.org/vuldb/ssvid-'+str(i) queue.put('https://www.seebug.org/vuldb/downloadPoc/'+str(i)) #queue用來存放設計好的url，將他們放入一個隊列中，以便后面取用 threads = [] thread_count = 2 for i in range(thread_count): threads.append(SeeBugPoc(queue)) for i in threads: i.start() for i in threads: i.join()if __name__ == '__main__': main() |
代碼如上
控制下載的range()中的兩個五位數，大家只要去seebug庫中找一找想要掃描的庫的開頭和結尾編碼的五位數就行了（也就是他們的編號）
關于返回的狀態碼，如果項目不提供poc下載、poc下載不存在、poc需要兌換幣才能下載，就不能夠返回正常的200啦（非正常：404/403/521等）
當然，如果一直出現521，可以考慮刷新網頁重新獲取header并修改代碼
最后進行一個狀態碼的判斷，并且將200的文件寫出來就好了
（
表示慚愧感覺自己寫的很簡單
如果大家發現錯誤或者有疑惑可以留言討論哦
）
以上這篇python爬蟲_自動獲取seebug的poc實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持服務器之家。
