2019测试指南-web应用程序安全测试（二）查看Web服务器图元文件的信息泄漏-CSDN博客

2019独角兽企业重金招聘Python工程师标准>>>

本节介绍如何测试robots.txt文件以查找Web应用程序目录或文件夹路径的信息泄漏。此外，Spiders，Robots或Crawler要避免的目录列表也可以创建为应用程序的Map执行路径的依赖项（OTG-INFO-007）

测试目标

1. Web应用程序的目录或文件夹路径的信息泄漏。

2.创建Spiders，Robots或Crawlers要避免的目录列表。

如何测试

的robots.txt

Web Spider，Robots或Crawlers检索网页，然后递归遍历超链接以检索更多Web内容。他们接受的行为由web根目录[1]中robots.txt文件的机器人排除协议指定。

例如，2013年8月11日http://www.google.com/robots.txt中抽取的robots.txt文件的开头引用如下：

用户代理： *
禁止：/搜索
禁止：/ sdch
禁止：/ groups
禁止：/ images
禁止：/目录
...

该用户代理的指令是指特定的网络蜘蛛/机器人/爬虫。例如，User-Agent：Googlebot是指来自Google的蜘蛛，而“User-Agent：bingbot” [1]是指来自Microsoft / Yahoo!的爬虫。上述示例中的User-Agent：*适用于以下引用的所有网络蜘蛛/机器人/抓取工具[2]：

用户代理： *

在不允许指令指定哪些资源蜘蛛/机器人/爬虫禁止。在上面的示例中，禁止使用以下目录：

... 
禁止：/搜索
禁止：/ sdch
禁止：/ groups
禁止：/ images
禁止：/目录
...

网络蜘蛛/机器人/抓取工具可以故意忽略robots.txt文件[3]中指定的Disallow指令，例如来自社交网络[2]的指令，以确保共享链接仍然有效。因此，robots.txt不应被视为对第三方访问，存储或重新发布Web内容的方式实施限制的机制。

webroot中的robots.txt - 带有“wget”或“curl”

从Web服务器的Web根目录检索robots.txt文件。例如，要使用“wget”或“curl”从www.google.com检索robots.txt：

cmlh $ wget http://www.google.com/robots.txt
--2013-08-11 14：40：36-- http://www.google.com/robots.txt
解析www.google.com ... 74.125.237.17,74.125.237.18,74.125.237.19，...
连接到www.google.com | 74.125.237.17 |：80 ...已连接。
发送HTTP请求，等待响应... 200 OK
长度：未指定[text / plain]
保存到：'robots.txt.1'

    [<=>] 7,074  -  .- K / s为0      

2013-08-11 14:40:37（59.7 MB / s） - 'robots.txt'已保存[7074]

cmlh $ head -n5 robots.txt
用户代理： *
禁止：/搜索
禁止：/ sdch
禁止：/ groups
禁止：/ images
cmlh $

cmlh $ curl -O http://www.google.com/robots.txt
  ％总收到百分比％Xferd平均速度时间时间当前时间
                                 Dload上载总左转速度
101 7074 0 7074 0 0 9410 0  - ： - ： -   - ： - ： -   - ： - ： -  27312

cmlh $ head -n5 robots.txt
用户代理： *
禁止：/搜索
禁止：/ sdch
禁止：/ groups
禁止：/ images
cmlh $

webroot中的robots.txt - 使用rockspider
“rockspider” [3]自动创建Spiders / Robots / Crawler的网站文件和目录/文件夹的初始范围。

例如，要使用“rockspider” [4]从www.google.com创建基于Allowed：指令的初始范围：

cmlh $ ./rockspider.pl-www www.google.com

“Rockspider”Alpha v0.1_2

版权所有2013 Christian Heinrich
根据Apache许可证2.0版获得许可

1.下载http://www.google.com/robots.txt
2.“robots.txt”保存为“www.google.com-robots.txt”
3.发送允许：www.google.com的URI到Web代理，即127.0.0.1:8080
	 / catalogs / about sent
	 /目录/ P？发送
	 / news /目录已发送
	...
完成了。

cmlh $

使用Google网站管理员工具分析robots.txt
网站所有者可以使用Google“Analyze robots.txt”功能将网站分析为“Google网站管理员工具”（https://www.google.com/webmasters/tools）的一部分。该工具可以协助测试，程序如下：

1.使用Google帐户登录Google网站站长工具。
2.在仪表板上，写入要分析的站点的URL。
3.在可用方法之间进行选择，然后按照屏幕上的说明操作。