python爬虫插件_Python 爬虫插件

#coding:utf-8

import sys,urllib2,re,Queue

sys.path.append("..")

from lib.Http_Class import Http_Class

from BeautifulSoup import BeautifulSoup

####################################

#

# Spider 爬虫模块

#

####################################

class Spider_module:

def setW3AScan(self,w3ascan):

self.w3ascan=w3ascan

self.result_list={}

self.q_list=Queue.Queue()

self.tmp_list=Queue.Queue()

def start(self,aa):

url="http://lucifr.com/"

print "[*] 爬虫目标:"+url

self.result_list.update({url:0})

try:

while True:

# 判断爬虫是否有爬过

for url in self.result_list:

if self.result_list[url]==0:

self.q_list.put(url)

self.result_list[url]=1

# 判断任务队列是否为空,如果是则直接退出

# 否则处理任务

if self.q_list.empty():

print "[*] 结束爬虫任务."

break

else:

for tmp in range(self.q_list.qsize()):

spider_url=self.q_list.get()

obj=Http_Class()

try:

html=obj._do("get",spider_url)

except:

self.w3ascan.log_create("url: %s Field! " % spider_url,"Spider_module")

print "url: %s Field! " % spider_url

continue

soup=BeautifulSoup(html)

links=soup.findAll('a')

for link in links:

_url=link.get('href').encode('utf-8')

if re.match('^(javascript|:;|#|mailto)',_url) or _url is None or re.match('.(jpg|png|bmp|mp3|wma|wmv|gz|zip|rar|iso|pdf|txt|db)$',_url):

continue

if re.match('^(http|https)',_url):

if not re.match('^'+url,_url):

continue

else:

if self.result_list.has_key(url):

continue

else:

rst=_url.encode('utf-8')

print "[*][!] 发现新连接: "+rst

self.result_list.update({rst:0})

else:

if self.result_list.has_key(url+_url):

continue

else:

rst=url+_url

print "[*][!] 发现新连接: "+rst.encode('utf-8')

self.result_list.update({rst.encode('utf-8'):0})

except Exception,error:

print "[*] 发生异常情况,捕获并写入日志。"

self.w3ascan.log_create("Url: %s get Url Error! Source: %s" % (url,error),"Spider_module")

def save(self):

print "[*]保存爬虫结果"

def getPluginClass():

return Spider_module

if __name__=="__main__":

t=Spider_module()

t.start("aaa")

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值