Gospider:一款基于Go语言的快速Web爬虫

栏目: IT技术 · 发布时间: 4年前

内容简介:Fast web spider written in Go – v1.1.0 by @theblackturtleUsage:

Gospider是一款运行速度非常快的Web爬虫程序,Gospider采用 Go 语言开发。

功能介绍

 1、快速Web资源爬取 
 2、爆破与解析sitemap.xml 
 3、解析robots.txt 
 4、生成和验证来自JavaScript文件的链接 
 5、链接搜索工具 
 6、根据响应源搜索AWS-S3 
 7、根据响应源搜索子域名 
 8、从Wayback Machine, Common Crawl, Virus Total, Alien Vault获取URL资源 
 9、格式化输出,可配合Grep使用 
 10、支持Burp输入 
 11、支持并行爬取多个站点 
 12、随机移动端/Web User-Agent 

工具安装

go get -u github.com/jaeles-project/gospider

工具使用

Fast web spider written in Go – v1.1.0 by @theblackturtle

Usage:

  gospider [flags]

Flags:

  -s, --site string            待爬取的站点地址

-S, --sites string           待爬取的站点列表

-p, --proxy string          代理(例如: http://127.0.0.1:8080 )

-o, --output string         输出目录

-u, --user-agent string      需要使用的User-Agent

web: 随机Web User-Agent

mobi: 随机移动端User-Agent

--cookie string         设置Cookie (testA=a; testB=b)

-H, --header stringArray     设置Header

--burp string          从Burp Http请求加载Header和Cookie

--blacklist string       URL黑名单正则式

-t, --threads int           并行线程数量 (默认为1)

-c, --concurrent int         匹配域名允许的最大并发请求数(默认为5)

-d, --depth int              限制爬取的最大深度(设置为0则表示无限递归,默认为1)

-k, --delay int              Delay是在向匹配域名发送新请求之前需要等待的时间间隔 (秒)

-K, --random-delay int       RandomDelay是在创建新请求之前需要等待的额外随机等待持续时间 (秒)

-m, --timeout int            请求超时(秒) (默认为10)

--sitemap               尝试爬取sitemap.xml

--robots                尝试爬取robots.txt

-a, --other-source           从第三方查找URL (Archive.org, CommonCrawl.org, VirusTotal.com)

-w, --include-subs           包含从第三方爬取的子域名,默认为主域名

-r, --include-other-source   包含其他资源的URL

--debug                启用调试模式

-v, --verbose                启用verbose模式

--no-redirect            禁用重定向

--version                检查版本

-h, --help                   显示帮助信息

样本命令

爬取单个网站:

gospider -s "https://google.com/" -o output -c 10 -d 1

爬取网站列表:

gospider -S sites.txt -o output -c 10 -d 1

同时爬取20个站点,每个站点分配10个bot:

gospider -S sites.txt -o output -c 10 -d 1 -t 20
gospider -s "https://google.com/" -o output -c 10 -d 1 --other-source
gospider -s "https://google.com/" -o output -c 10 -d 1 --other-source --include-subs

使用自定义Header/Cookie:

gospider -s “ https://google.com/ ” -o output -c 10 -d 1 –other-source -H “Accept: */*” -H “Test: test” –cookie “testA=a; testB=b”

gospider -s “ https://google.com/ ” -o output -c 10 -d 1 –other-source –burp burp_req.txt

URL/文件后缀黑名单

gospider -s "https://google.com/" -o output -c 10 -d 1 --blacklist ".(woff|pdf)"

注意:Gospider默认配置下的黑名单为:.(jpg|jpeg|gif|css|tif|tiff|png|ttf|woff|woff2|ico)。

工具使用样例

视频地址:【 点我观看

项目地址

Gospider:【 GitHub传送门

* 参考来源: jaeles-project ,FB小编Alpha_h4ck编译,转载请注明来自FreeBuf.COM


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

C++ Primer Plus

C++ Primer Plus

Stephen Prata / Addison Wesley / 2011-10-18 / GBP 39.99

C++ Primer Plus, Sixth Edition New C++11 Coverage C++ Primer Plus is a carefully crafted, complete tutorial on one of the most significant and widely used programming languages today. An accessible an......一起来看看 《C++ Primer Plus》 这本书的介绍吧!

JS 压缩/解压工具
JS 压缩/解压工具

在线压缩/解压 JS 代码

JSON 在线解析
JSON 在线解析

在线 JSON 格式化工具

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换