安全路透社
当前位置:安全路透社 > 安全客 > 正文

【技术分享】爬虫-化被动为主动

http://p9.qhimg.com/t01a4358962350ad4ab.png


前言


现在网上有很多被动式扫描器,配置一个代理给浏览器设置,然后人去点击浏览器上的网页,在这种模式下抓到的URL数量没有用爬虫的效果好。

我个人是比较懒的,先也写了个被动的扫描器,不想改以前写的东西,而且被动也有被动的优点,所以就想可不可以让爬虫也设置个代理。就有了下面的东西,很方便。


实操


如何在不改变原被动扫描器的情况下让被动变成主动。

主结构

以phantomjs为核心,用JS模仿人对页面的操作,代理软件抓链接。以下流程是通用pychon脚本实现的。

1打开浏览器并设置代理->2输入网址->3填充表单->4点击按钮->5点击超链拉->6关闭标签->7关闭浏览器,循环2-6。

打开浏览器并设置代理

proxy_config = [
    '--proxy=127.0.0.1:8080',
    '--proxy-type=http',
    '--ignore-ssl-errors=yes',
]
phantomjs_path='/home/ubuntu_235/proxyscan/phantomjs/phantomjs/bin/phantomjs'
driver = webdriver.PhantomJS(executable_path=phantomjs_path,service_args=sys_config)

输入网址

driver.get('http://demo.aisec.cn')

填充表单

_input_text = """
        var input_list=document.getElementsByTagName("input");
        for (i_i=0;i_i<input_list.length;i_i++){
        var input_type=input_list[i_i].attributes["type"].value
        if (input_type == "text" || input_type == "password"){
        input_list[i_i].value="ascan@ascan.com";
        continue;
        }
        if (input_type == "radio" || input_type == "checkbox"){
        input_list[i_i].setAttribute('target','_blank');
        input_list[i_i].checked="True";
        }
        }
"""

点击按钮

_but_click = """
        var but_list=document.getElementsByTagName("input");
        for (b_i=0;b_i<but_list.length;b_i++){
                var but_type=but_list[b_i].attributes["type"].value
        if (but_type == "button" || but_type == "submit"){
        but_list[b_i].setAttribute('target','_blank');
        but_list[b_i].click();
        }
        }
        """

点击超链接

 _a_click = """
        var a_list=document.getElementsByTagName("a");
        for (a_i=0;a_i<a_list.length;a_i++){
        a_list[a_i].setAttribute('target','_blank');
        a_list[a_i].click();
        }
        """

这里注意下,我在click前给标签加了一个target=”_blank”,在新的标签页打开链接

关闭标签

for h in driver.window_handles[1:]:
driver.switch_to_window(h)
driver.close()

注意:应该先获取有标签页的handle在用switch_to_window

切换到该标签页,执行quit()操作。driver.window_handles[1:]保留的是第一个页面。

在完成所有操作后关闭浏览器

driver.close()

通过burpsuite抓到的请求包

最终实现的结果展示

一些注意点:

如何获取当前页面的所有<a>标签的href?

url_list=[]
a_list=self.driver.find_elements_by_xpath("//a[@href]")
for a in a_list:
url_list.append(a.get_attribute("href"))
print(url_list)

如何获取当前标签的URL?

driver.current_url

有什么坑?

a.浏览器打页面要时间,但python不知道(不是真不知道)

b.会不明原因的卡死,没有报错

c.页面跳转


本文地址:http://bobao.360.cn/learning/detail/3753.html

未经允许不得转载:安全路透社 » 【技术分享】爬虫-化被动为主动

赞 (0)
分享到:更多 ()

评论 0

评论前必须登录!

登陆 注册