python爬取url_Python入门：全站url爬取

作为一个安全测试人员，面对一个大型网站的时候，手工测试很有可能测试不全，这时候就非常需要一个通用型的网站扫描器。当然能直接扫出漏洞的工具也有很多，但这样你只能算是一个工具使用者，对于安全测试你还远远不够。这时候应该怎么做呢？对于那些大量且重复性工作，尽量能用工具实现就用工具实现，然后打包成自己的工具包。如今天的这个url爬取工具。当我们把整站url都爬取出来之后，可以对url进行分析分类，然后有针对性的进行手工测试。

注：此方法只能爬取网页链接性的url，不能爬取js动态生成的url

#python3.5

#urlScan.py

#Author：FrankHacker

import requests

import re

def url_is_correct():

'''

使用requests.get方法判断url是否正确,并返回url

:return:

'''

try:

url = input("Please input the target test url:")

#url = "http://10.70.18.47:8080" 这是我内网环境的测试地址

requests.get(url)

return url

except:

print('please input the correct url!!!')

#exit(-1) #如果url是固定写入的，那么必须添加此句，否则会一直循环

return url_is_correct()

url = url_is_correct() #将验证为正确的url地址赋值给url

def url_protocol(url):

'''

获取输入的url地址的协议，是http、https等

'''

print('该站使用的协议是：' + re.findall(r'.*(?=://)',url)[0])

return re.findall(r'.*(?=://)',url)[0]

urlprotocol = url_protocol(url)

def same_url(url):

'''

处理用户输入的url，并为后续判断是否为一个站点的url做准备ÿ