第四次实验要求
使用Python爬取用户指定网页,并且配置敏感关键字列表(大于3个)。如果爬取的网页中包含任意敏感关键字则写日志报警,书写所有出现的关键字出现的频度
实验目的
学习主动获取数据的方法
使用python的HTMLSession库以及BeautifulSoup库,利用get方式获得网页的后台信息,再分离出指定网页中的txt文件将其存储为字符串形式
掌握多模式就匹配的方法
利用python自带的ahocorasick库,从root节点开始,每次根据读入的字符沿着自动机向下移动。当读入的字符,在分支中不存在时,递归走失败路径。如果走失败路径走到了root节点,则跳过该字符,处理下一个字符。因为AC自动机是沿着输入文本的最长后缀移动的,所以在读取完所有输入文本后,最后递归走失败路径,直到到达根节点,这样可以检测出所有的模式
实验结果:
目标网址:
https://blog.csdn.net/qq_44021627/article/details/115743434?spm=1001.2014.3001.5501