XCTF攻防世界练习区-web题-Robots

最新推荐文章于 2024-07-20 08:29:59 发布

不愿透露姓名的菜鸟

最新推荐文章于 2024-07-20 08:29:59 发布

阅读量1k

点赞数 1

分类专栏： CTF

本文链接：https://blog.csdn.net/Homewm/article/details/101025441

版权

本文介绍了Robots协议的概念，强调其在搜索引擎爬虫访问网站时的作用，详细阐述了robots.txt文件的编写规则，并给出了两种解题思路，包括直接访问robots.txt获取信息和使用dirsearch工具扫描目录。同时，提供了相关知识点和过程详解的链接。

摘要由CSDN通过智能技术生成

0x03. Robots

【题目描述】

X老师上课讲了Robots协议，小宁同学却上课打了瞌睡，赶紧来教教小宁Robots协议是什么吧。

【目标】

掌握robots协议的知识。robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。当一个搜索爬虫访问一个站点时，它会首先检查该站点根目录下是否存在robots.txt，如果存在，搜索爬虫就会按照该文件中的内容来确定访问的范围；如果该文件不存在，所有的搜索爬虫将能够访问网站上所有没有被口令保护的页面。

Robots协议（也称为爬虫协议、机器人协议等）的全称是“网络爬虫排除标准”（Robots Exclusion Protocol），网站通过Robots协议告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。
robots协议通常以robots.txt存在，robots.txt文件是一个文本文件，robots.txt是一个协议，而不是一个命令。robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。

robots.txt文件写法：

User-agent: * 这里的代表的所有的搜索引擎种类，是一个通配符
Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录
Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录
Disal