Superl-url：一款开源关键词URL采集工具

superl-url是一款开源的，并且功能强大的关键词URL采集工具，可以根据关键词，对搜索引擎内容检索结果的网址内容进行采集。  

程序主要运用于安全渗透测试项目，以及批量评估各类CMS系统0DAY的影响程度，同时也是批量采集自己获取感兴趣的网站的一个小程序~~

本来几年前就写好了，没什么技术含量，没想到小伙伴的使用需求还蛮大的，不敢私藏~~  

立了flag，git的star过200就一定抽时间去升级，这个flag已经实现，目前已经是4.0版本~~  更新后就在这里发出来了。

优势介绍

1.支持多搜索引擎，很方便添加集成。(已内置了百度，搜狗，360),结构模块化，很方便进行扩展，可以无限添加。

2.开源，跨平台，使用python开发；

3.做了兼容性优化，同时支持python2和python3；

4.支持自动过滤重复内容，支持过滤标题中存在指定关键词的内容，支持过滤域名；中国菜刀

5.保存方式同时支持本地txt和mysql数据库；

6.从搜索引擎采集到的地址，是真实网站地址，不是像百度快照那样的三方地址；

7.多进程同时采集。每个搜索引擎都单独一个进程；

8.可灵活的通过配置文件自定义要保存的结果格式。比如只输出带参数的原始真实URL，或者只输出域名，或者同时输出标题，搜索引擎名称。

9.可自定义每页采集时间间隔，防止被屏蔽；

运行效果

使用说明

1.安装python2或者python3运行环境；天空彩

2.如果提示没有找到库，则需要安装依赖：

如果是python3，则：

 

pip install ConfigParser

pip install tldextract

 

如果是Python2，则：

 

pip install tldextract

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple configparser

 

3.根据自己的需要，修改根目录下的config.cfg配置文件。 

配置文件说明

节点	参数	示例值	说明
global	save_type	mysql	保存类型，可选择file或者mysql，如果是file则保存为本地txt
global	sleep_time	1	每次搜索处理完一页后的等待时间，防止太频繁被搜索引擎屏蔽
url	url_type	realurl	保存文件txt里面显示的url类型。realurl=真实网站地址，baseurl=原始搜索引擎地址，urlparam=带参数的真实网站地址
filter	filter_status	True	是否开启过滤器，如果开启，则过滤域名和标题都不生效
filter	filter_domain	True	是否过滤域名
filter	filter_title	True	是否过滤标题
log	write_title	True	是否显示标题
log	write_name	True	是否显示搜索引擎名称
engine	baidu	True	百度搜索引擎模块是否开启
engine	sougou	True	搜狗模块是否开启
engine	so	False	搜搜模块是否开启 (搜搜现在抓取不到了)
pagesize	baidu_pagesize	50	每页条数
pagesize	sougou_pagesize	50	每页条数
pagesize	so_pagesize	10	每页条数
mysql	host	127.0.0.1	如果保存类型为Mysql，则此节点必须配置正确
mysql	port	3306	端口
mysql	user	root	用户名
mysql	password	root	密码
mysql	database	superldb	数据库名称
mysql	table	search_data	表名称
file	save_pathdir	result	如果保存类型为file，则这里设置的是保存的路径，当前为程序根目录的result文件夹
plugin	pr	True	预留的插件功能，暂时不支持

如果保存方式为Mysql,还需要执行以下sql创建表：

 

    CREATE TABLE `search_data` (

      `id` int(11) unsigned NOT NULL AUTO_INCREMENT,

      `engine` varchar(20) NOT NULL DEFAULT '',

      `keyword` varchar(100) NOT NULL DEFAULT '',

      `baseurl` varchar(255) NOT NULL DEFAULT '',

      `realurl` varchar(255) NOT NULL DEFAULT '',

      `urlparam` varchar(255) NOT NULL DEFAULT '',

      `webtitle` varchar(255) NOT NULL DEFAULT '',

      `create_time` int(10) NOT NULL,

      PRIMARY KEY (`id`)

    ) ENGINE=MyISAM AUTO_INCREMENT=395 DEFAULT CHARSET=utf8;

项目地址：【GitHub传送门】

至于要不要再开发一个JAVA GUI版本的或者php写WEB版本的，先观望观望~