URL クローラー

WBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWB
WBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBオリジナル
2016-07-25 08:48:111340ブラウズ
csdn のポイント無料ダウンロード、pudn のポイント無料ダウンロード、またはポイント無料の 51cto が必要な場合は、http://www.itziy.com/ にアクセスしてください。
コマンドラインから直接 php を呼び出すと、使用方法が表示されます。メソッド
機能説明
1. サポートエージェント
2. 再帰チェック数の設定をサポート
3. 出力タイプ制御とチェックコンテンツ制御をサポート

機能:代替主肉眼尽量多的抓取可能请求包及url地址等,方便渗透测试
  1. error_reporting(E_ERROR | E_WARNING | E_PARSE);
  2. ini_set('memory_limit','1024M');
  3. set_time_limit(0);
  4. define('CHECK_A_TAG', false);
  5. define(' CHECK_JS_TAG', true);
  6. define('CHECK_URL', true);
  7. define('SAVE_ERROR', true);
  8. $checkArr = array(
  9. '$.load',
  10. '.ajax',
  11. '$. post',
  12. '$.get',
  13. '.getJSON'
  14. );
  15. if ($argc die(showerror('申し訳ありませんが、パラメータエラー', array('例: php debug.php url num ファイル名ヘッダープロキシ', '詳細情報:', 'url: 確認したい対象URLアドレス', 'num: 再帰のページ数、デフォルト3', 'filename: 出力ファイル名デフォルト名ret.txt ', 'header: リクエスト ヘッダー ファイルのデフォルト null', 'proxy: プロキシを使用したい場合は、ここに設定します。デフォルトはプロキシを使用しません')));
  16. if (!check_extension())
  17. die(showerror('extension curl はサポートされていません', 'PHP Curl 拡張機能のサポートを開いてください'));
  18. //グローバル変数
  19. $url = トリム($argv[1]);
  20. if (stripos($url, 'http') === false)
  21. $url = 'http://'.$url;
  22. $num = isset($argv[2]) ? intval($argv[2]) : 3;
  23. $output = isset($argv[3]) ?トリム(str_replace("\", '/', $argv[3])) : str_replace("\", '/', dirname(__FILE__)).'/ret.txt';
  24. $header = null;
  25. $proxy = null;
  26. $host = null;
  27. if (isset($argv[4]))
  28. {
  29. $header = トリム(str_replace("\", '/', $argv[4]));
  30. if (file_exists($header))
  31. $header = array_filter(explode("n", str_replace("r", '', file_get_contents($header))));
  32. else
  33. {
  34. $file = str_replace(" \", '/', dirname(__FILE__)).'/'.$header;
  35. if (file_exists($file))
  36. $header = array_filter(explode("n", str_replace("r", '', file_get_contents($file))));
  37. else
  38. $header = null;
  39. }
  40. }
  41. if (isset($argv[5]))
  42. $proxy = trim($argv[5]);
  43. if (!is_array($header) || empty($header))
  44. $header = null;
  45. $result = check_valid_url($url);
  46. $outputArr = array();
  47. if (!empty($result))
  48. {
  49. $result = str_replace("r", '', $result);
  50. $result = str_replace("n", '', $result);
  51. $tmpArr = parse_url($url);
  52. if (! isset($tmpArr['host']))
  53. die(showerror('URL 解析エラー', 'ホスト フォーム URL を取得できません: '.$url));
  54. $host = $tmpArr['host'];
  55. if (stripos($host, 'http') === false)
  56. $host = 'http://'.$host;
  57. unset($tmpArr);
  58. //現在のページを確認します
  59. if (!isset ($outputArr[md5($url)]))
  60. {
  61. $outputArr[md5($url)] = $url;
  62. file_put_contents($output, $url."n", FILE_APPEND);
  63. echo 'url: ' ,$url,' ajax が必要なので保存',PHP_EOL;
  64. }
  65. work($result);
  66. }
  67. echo 'runfinish',PHP_EOL;
  68. function work($result, $reverse = false)
  69. {
  70. グローバル $num, $host, $outputArr, $checkArr, $output;
  71. if (!$result)
  72. return;
  73. $result = str_replace("r", '', $result);
  74. $result = str_replace ("n", '', $result);
  75. while ($num > 0)
  76. {
  77. echo 'remain: ',$num、' URL アドレスのチェックを開始します',PHP_EOL,PHP_EOL;
  78. preg_match_all('//i', $result, $match);
  79. if (CHECK_A_TAG && isset($match[2]) && !empty($match) [2]))
  80. {
  81. foreach ($match[2] as $mc)
  82. {
  83. $mc = トリム($mc);
  84. if ($mc == '#')
  85. continue;
  86. if (stripos( $mc, 'http') === false)
  87. $mc = $host.$mc;
  88. if (($ret = check_valid_url($mc)))
  89. {
  90. if (!isset($outputArr[md5( $mc)]))
  91. {
  92. $outputArr[md5($mc)] = $mc;
  93. file_put_contents($output, $mc."n", FILE_APPEND);
  94. echo 'url: ',$mc,' find ajax が必要なので保存',PHP_EOL;
  95. }
  96. }
  97. }
  98. }
  99. // ページ URL をチェック
  100. echo 'remain: ',$num,' 今、ページ URL のチェックを開始します',PHP_EOL,PHP_EOL;
  101. preg_match_all('/(https?|ftp|mms)://([A-z0-9]+[_-]?[A-z0-9]+.)*[A-z0-9]+-? [A-z0-9]+.[A-z]{2,}(/.*)*/?/i', $result, $match);
  102. if (CHECK_URL && isset($match[2]) && !empty($match[2]))
  103. {
  104. foreach ($match [2] as $mc)
  105. {
  106. $mc = トリム($mc);
  107. if ($mc == '#')
  108. continue;
  109. if (stripos($mc, 'http') === false)
  110. $mc = $host.$mc;
  111. if (($ret = check_valid_url($mc)))
  112. {
  113. if (!isset($outputArr[md5($mc)]))
  114. {
  115. $outputArr[ md5($mc)] = $mc;
  116. file_put_contents($output, $mc."n", FILE_APPEND);
  117. echo 'url: ',$mc,' ajax が必要なので保存',PHP_EOL;
  118. }
  119. }
  120. }
  121. }
  122. //javascript ajax require
  123. をチェックします echo 'remain: ',$num,' now start to check for javascript ajax require',PHP_EOL,PHP_EOL;
  124. preg_match_all('//i', $result, $match);
  125. if (CHECK_JS_TAG && isset($) match[2]) && !empty($match[2]))
  126. {
  127. foreach ($match[2] as $mc)
  128. {
  129. $mc = トリム($mc);
  130. if ($mc == ' #')
  131. 続行;
  132. if (stripos($mc, 'http') === false)
  133. $mc = $host.$mc;
  134. if (($ret = check_valid_url($mc)))
  135. {
  136. //現在のページを確認します
  137. foreach ($checkArr as $ck)
  138. {
  139. if (!isset($outputArr[md5($mc)]) && strpos($ret, $ck) !== false)
  140. {
  141. $outputArr[md5($mc)] = $mc;
  142. file_put_contents($output, $mc."n", FILE_APPEND);
  143. echo 'url: ',$mc,' ajax が必要なので保存',PHP_EOL ;
  144. Break;
  145. }
  146. }
  147. }
  148. }
  149. }
  150. if ($reverse)
  151. return;
  152. //次のページをチェック
  153. preg_match_all('//i', $result, $match);
  154. if (isset($match[2]) && !empty( $match[2]))
  155. {
  156. echo '次のページをチェック、残りのページ数: ',$num,PHP_EOL;
  157. foreach ($match[2] as $mc)
  158. {
  159. $mc = trim($mc );
  160. if ($mc == '#')
  161. continue;
  162. if (stripos($mc, 'http') === false)
  163. $mc = $host.$mc;
  164. echo '次のページを確認します: ',$mc,PHP_EOL;
  165. work(check_valid_url($mc), true);
  166. }
  167. }
  168. $num--;
  169. sleep(3);
  170. }
  171. }
  172. function check_valid_url($url)
  173. {
  174. if (stripos($url, 'http') === false)
  175. $url = 'http://'.$url;
  176. $ch =curl_init();
  177. curl_setopt($ch, CURLOPT_URL, $url) ;
  178. curl_setopt($ch、CURLOPT_HEADER、true);
  179. curl_setopt($ch、CURLOPT_FOLLOWLOCATION、true);
  180. curl_setopt($ch、CURLOPT_RETURNTRANSFER、true);
  181. curl_setopt($ch、CURLOPT_USERAGENT、'Mozilla/5.0 (互換性あり; Googlebot/2.​​1; +http://www.google.com/bot.html)');
  182. if (!is_null($header))
  183. curl_setopt($ch, CURLOPT_HTTPHEADER, $header);
  184. if (!is_null($proxy))
  185. curl_setopt($ch, CURLOPT_PROXY, $proxy);
  186. $ret =curl_exec($ch);
  187. $errinfo =curl_error($ch);
  188. curl_close($ch);
  189. unset($ch);
  190. if (! empty($errinfo) || ((strpos($ret, '200 OK') === false) && (strpos($ret, '302 Moved') === false)) || 114so.cn') !== false)
  191. {
  192. showerror('url をチェック: '.$url. ' いくつかのエラーを見つけます', array($errinfo, $ret));
  193. if (SAVE_ERROR)
  194. file_put_contents(dirname( __FILE__).'/error.txt', $url."n", FILE_APPEND);
  195. return false;
  196. }
  197. return $ret;
  198. }
  199. function check_extension()
  200. {
  201. if (!function_exists('curl_init' ) || !extension_loaded('curl'))
  202. return false;
  203. return true;
  204. }
  205. 関数 showerror($t, $c)
  206. {
  207. $str = "######## ################################################ ############n";
  208. $str .= "# ".$t."n";
  209. if (is_string($c))
  210. $str .= "# ".$ c;
  211. elseif (is_array($c) && !empty($c))
  212. {
  213. foreach ($c as $c1)
  214. $str .= "# ".$c1."n";
  215. }
  216. $str .= "n########################################### ###########################n";
  217. echo $str;
  218. unset($str);
  219. }
复制代


声明:
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。