首页 > 代码库 > python爬虫--自动获取seebug的poc
python爬虫--自动获取seebug的poc
简单的写了一个爬取www.seebug.org上poc的小玩意儿~
首先我们进行一定的抓包分析
我们遇到的第一个问题就是seebug需要登录才能进行下载，这个很好处理，只需要抓取返回值200的页面，将我们的headers信息复制下来就行了
（这里我就不放上我的headers信息了，不过headers里需要修改和注意的内容会在下文讲清楚）
headers = { ‘Host‘:******, ‘Connection‘:‘close‘, ‘Accept‘:******, ‘User-Agent‘:******, ‘Referer‘:‘https://www.seebug.org/vuldb/ssvid-‘, ‘Accept-Language‘:‘zh-CN,zh;q=0.8‘, ‘Cookie‘:***********}
由上所知，我们的中点就是referer这一项，是我们后面要进行修改的
那么怎么去修改这个呢
我先进行点击下载链接抓包发现，seebug的poc下载链接特别的整齐：
‘https://www.seebug.org/vuldb/downloadPoc/xxxxx‘,
后面只需要加上一个五位数就行，而且五位数是连号的哦！
这就一目了然，我更改了五位数再次进行请求时发现，并没有返回美丽的200状态码，瞄了一眼header，发现了referer这一项：
‘Referer‘:‘https://www.seebug.org/vuldb/ssvid-xxxxx‘
也就是说referer这一项的五位数字也要随之变化，这样我们的get请求头部就完成了
接下来是线程的问题
使用了queue和threading进行多线程处理，发现我们不能图快，不然会被反爬虫发现
于是导入time增加time.sleep(1)，能有一秒的休眠就行了，线程数给了2个（这样看来好像线程的意义并不大，不过也就这么写啦）
# coding=utf-8import requestsimport threadingimport Queueimport time headers = { ****** }url_download = ‘https://www.seebug.org/vuldb/downloadPoc/‘class SeeBugPoc(threading.Thread): def __init__(self,queue): threading.Thread.__init__(self) self._queue = queue def run(self): while not self._queue.empty(): url_download = self._queue.get_nowait() self.download_file(url_download) def download_file(self,url_download): r = requests.get(url = url_download,headers = headers) print r.status_code name = url_download.split(‘/‘)[-1] print name if r.status_code == 200: f = open(‘E:/poc/‘+name+‘.txt‘,‘w‘) f.write(r.content) f.close() print ‘it ok!‘ else: print ‘what fuck !‘ time.sleep(1)‘‘‘ def get_html(self,url): r = requests.get(url = url,headers = headers) print r.status_code print time.time()‘‘‘def main(): queue = Queue.Queue() for i in range(93000,93236): headers[‘Referer‘] = ‘https://www.seebug.org/vuldb/ssvid-‘+str(i) queue.put(‘https://www.seebug.org/vuldb/downloadPoc/‘+str(i)) #queue用来存放设计好的url，将他们放入一个队列中，以便后面取用 threads = [] thread_count = 2 for i in range(thread_count): threads.append(SeeBugPoc(queue)) for i in threads: i.start() for i in threads: i.join()if __name__ == ‘__main__‘: main()
代码如上
控制下载的range()中的两个五位数，大家只要去seebug库中找一找想要扫描的库的开头和结尾编码的五位数就行了（也就是他们的编号）
关于返回的状态码，如果项目不提供poc下载、poc下载不存在、poc需要兑换币才能下载，就不能够返回正常的200啦（非正常：404/403/521等）
当然，如果一直出现521，可以考虑刷新网页重新获取header并修改代码
最后进行一个状态码的判断，并且将200的文件写出来就好了
（
表示惭愧感觉自己写的很简单
如果大家发现错误或者有疑惑可以留言讨论哦
）
python爬虫--自动获取seebug的poc