爬虫练习--爬取CNNVD相关漏洞_cnnvd漏洞信息爬虫-CSDN博客

本文链接：https://blog.csdn.net/qinlingheshang/article/details/80606519

该博客讲述了如何从国家信息安全漏洞库CNNVD中爬取特定软件的漏洞信息，包括漏洞类型、危害等级和数量，并对数据进行可视化展示。作者详细介绍了爬虫的具体流程，包括构造URL、爬取信息、解析数据以及最终使用EXCEL进行数据绘图的过程。

摘要由CSDN通过智能技术生成

目标

从国家信息安全漏洞库（CNNVD）中爬取目标软件的相关漏洞，统计漏洞类型、危害等级、相关数量等，并进行可视化。

具体流程

构造URL，根据关键词（如glibc）爬取相关软件的漏洞信息，统计其数量和网页数
构造URL，一个一个网页的爬取，找到每个具体漏洞的链接，保存这些链接
根据每个具体漏洞的链接，爬取相关页面，用正则表达式和BeautifulSoup找到我们需要的链接。

代码实现

爬取网页并保存到EXCEL文件中

# -*- coding:utf-8 -*-
import requests
from  bs4 import BeautifulSoup
import traceback
import re
import xlwt
list=['glibc','Microsoft Office Word','Microsoft Internet Explorer']#想要查询的相关漏洞
num=[] # 存放每个实体对应的漏洞数目
page=[]# 存放每个实体对应的漏洞的页数
# 根据url爬取网页
def getHTMLTEXT(url,code="utf-8"):
    kv = {
  'user-agent': 'Mozilla/5.0'}  # 模拟浏览器访问网站
    try:
        r=requests.get(url,headers=kv,timeout=30)
        r.raise_for_status()
        r.encoding=code
        return r.text
    except:
        traceback.print_exc()
        return ""
# 初始网页
def parsepage(name,url):
    type={}# 存放每个实体中的漏洞类型
    html=getHTMLTEXT(url)
    soup=BeautifulSoup(html,'html.parser')
    #每个类型的数量
    #text=soup.find_all('a',text=re.compile('总条数：'))