基于python爬虫的github-exploitdb漏洞库监控与下载

offensive.py(爬取项目历史更新内容)

#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re

import time

import urllib.request

import conf as cf

BASE_URL = 'https://github.com/offensive-security/exploitdb/releases'

DOWNLOAD_LINK_PATTERN = 'href="(.*?)zip" rel="nofollow">'

FIRST_PATTERN = r'</span><a rel="nofollow" href="(.*?)">Next.*'

PAGE_PATTERN = r'>Previous</a><a rel="nofollow" href="(.*?)">Next.*'

class MyCrawler:

    def __init__(self, base_url=BASE_URL, start_page="first 1 page"):

        self.base_url = base_url

        self.start_page = start_page

        # self.headers = apache_request_headers();

# 对首页的爬取

    def first_page(self):

        try:

            req = urllib.request.Request(self.base_url)

            html = urllib.request.urlopen(req)

            doc = html.read().decode('utf8', 'ignore')

            next_page = re.search(FIRST_PATTERN, doc, re.M | re.I)

            print('Now working on page = {}\n'.format(self.start_page))

            time.sleep(5)

            self.fetch_download_link(self.base_url)

            self.start_page = next_page.group(1)

            # re.search(r'after = (.*?) ">Next.*', next_page.group(1), re.M | re.I).group(1)

            self.base_url = next_page.group(1)

            # self.fetch_download_link(next_url)

        except urllib.error.HTTPError as err:

            print(err.msg)

        self.fetch_next_page()

# 翻页

    def fetch_next_page(self):

        while True:

            try:

                req = urllib.request.Request(self.base_url)

                html = urllib.request.urlopen(req)

                doc = html.read().decode('utf8', 'ignore')

                next_page = re.search(PAGE_PATTERN, doc, re.M | re.I)

                print('Now working on page {}\n'.format(self.start_page))

                time.sleep(5)

                #翻页时等待5秒

                self.fetch_download_link(self.base_url)

                self.start_page = next_page.group(1)

                # re.search(r'after = (.*?) ">Next.*', next_page.group(1), re.M | re.I).group(1)

                self.base_url = next_page.group(1)

                # self.fetch_download_link(next_url)

            except urllib.error.HTTPError as err:

                print(err.msg)

                break

# 文件下载:将下载链接存到文件中

    def fetch_download_link(self, Aurl):

        f = open('result.txt', 'a')

        req = urllib.request.Request(Aurl)

        html = urllib.request.urlopen(req)

        doc = html.read().decode('utf8')

        alist = list(set(re.findall(DOWNLOAD_LINK_PATTERN, doc)))

        for item in alist:

            url = "https://github.com/" + item + "zip"

            print('Storing {}'.format(url))

            f.write(url + '\n')

            time.sleep(7)

        f.close()

    def run(self):

        self.fetch_download_link()

if __name__ == '__main__':

    mc = MyCrawler()

    mc.first_page()

text.py(监控首页更新,并爬取)

#!/usr/bin/env python

# -*- coding:utf-8 -*

from selenium import webdriver

import re

import time

import urllib.request

import conf as cf

BASE_URL = 'https://github.com/offensive-security/exploitdb/releases'

DOWNLOAD_LINK_PATTERN = 'href="(.*?)zip" rel="nofollow">'

FIRST_PATTERN = r'</span><a rel="nofollow" href="(.*?)">Next.*'

# 监控项目首页更新

def jiankong_page():

    print("star monitoring ")

    req = urllib.request.Request(BASE_URL)

    html = urllib.request.urlopen(req)

    doc = html.read().decode('utf8', 'ignore')

    next_page = re.search(FIRST_PATTERN, doc, re.M | re.I)

    flag_page = next_page.group(1)

    flag_list = []

# 首次抓取首页项目url

    alist = list(set(re.findall(DOWNLOAD_LINK_PATTERN, doc)))

    for item in alist:

        url = "https://github.com/" + item + "zip"

        flag_list.append(url)

# 定时扫描监控(5h/次)

    while True:

        try:

            time.sleep(5 * 60* 60)

            req = urllib.request.Request(BASE_URL)

            html = urllib.request.urlopen(req)

            doc = html.read().decode('utf8', 'ignore')

            next_page = re.search(FIRST_PATTERN, doc, re.M | re.I)

# 判断翻页链接是否变化,来确定是否更新

            if next_page.group(1) != flag_page:

                print("have update")

                item = re.rearch(DOWNLOAD_LINK_PATTERN, doc, re.M | re.I)

                #抓取第一个匹配的 刚更新的项目url

                new_url = "https://github.com/" + item.group(1) + "zip"

                print("new url = " + new_url)

                flag_list.append(new_url)

                f = open('result.txt', 'a')

                f.write(new_url + '\n')

                f.close()

                flag_page = next_page.group(1)

            else:

                print("No update")

        except urllib.error.HTTPError as err:

            print(err.msg)

            break

if __name__ == '__main__':

    jiankong_page()

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,772评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,458评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,610评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,640评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,657评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,590评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,962评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,631评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,870评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,611评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,704评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,386评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,969评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,944评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,179评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,742评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,440评论 2 342

推荐阅读更多精彩内容