超级关键词URL采集工具:superl-url

superl-url 关键词URL采集

一款基于Python的开源免费关键词URL采集工具

  • 根据关键词,对搜索引擎内容检索结果的网址内容进行采集的一款轻量级软程序。
  • 程序主要运用于安全渗透测试项目,以及批量评估各类CMS系统0DAY的影响程度,同时也是批量采集自己获取感兴趣的网站的一个小程序~~
  • 可自动从搜索引擎采集相关网站的真实地址与标题等信息,可保存为文件,自动去除重复URL。同时,也可以自定义忽略多条域名。
超级关键词URL采集工具:superl-url
superl-url 关键词URL采集工具

程序特色

  • 支持同时采集多个搜索引擎(已内置了百度,搜狗,360),结构模块化,很方便进行扩展,可以无限添加。
  • 获取到的是搜索引擎的搜索结果的真实URL地址
  • 跨平台,采用Python开发,所有代码完整开源.并且无捆绑后门风险,更新方便。网上大部分URL采集软件为WINDOWS下的可执行文件,并且很多都在搜索引擎更新后无法正常使用。
  • 强大的过滤功能。可过滤多种顶级域名,可过滤指定标题中包含某关键子的URL,比如搜索结果中过滤属于youku.com的子域名URL。支持TXT配置过滤。
  • 可自动去除重复URL
  • 可灵活的通过配置文件自定义要保存的结果格式。比如只输出带参数的原始真实URL,或者只输出域名,或者同时输出标题,搜索引擎名称。
  • 可灵活的开启与关闭参与采集的搜索引擎,比如只想使用百度,就把其他搜索引擎参数设置为False即可。
  • 同时兼容python3和python2版本运行!良心开源小产品啊~~~
  • 可分别自定义不同搜索引擎每页显示数量(如果搜索引擎自身支持的话)
  • 支持多进程同时采集,每个搜索引擎一个进程
  • 可自定义每页采集时间间隔,防止被屏蔽
  • 实时显示采集到的网页的【真实URL】以及【标题】。前面的【ID】对应的是当前页搜索引擎结果的第X条数据
  • 保存类型可自定义,目前支持保存为本地txt,以及写入远程MYSQL数据库!

superl-url安装与使用

安装依赖

  • python3:pip install ConfigParserpip install tldextract
  • Python2:pip install tldextractpip install -i https://pypi.tuna.tsinghua.edu.cn/simple configparser
  • 如果提示模块不存在,则根据提示进行安装!

使用说明

  • 如果要采集关键词为“hacker”的相关网站,采集搜索结果的前3页,则输入如下:
  • please input keyword:hacker
  • Search Number of pages:3

配置文件说明 config.cfg

节点参数示例值说明
globalsave_typemysql保存类型 可选择file或者mysql 如果是file则保存为本地txt
globalsleep_time1每次搜索处理完一页后的等待时间,防止太频繁被搜索引擎屏蔽
urlurl_typerealurl保存文件txt里面显示的url类型。realurl=真实网站地址 baseurl=原始搜索引擎地址 urlparam=带参数的真实网站地址
filterfilter_statusTrue是否开启过滤器,如果开启,则过滤域名和标题都不生效
filterfilter_domainTrue是否过滤域名
filterfilter_titleTrue是否过滤标题
logwrite_titleTrue是否显示标题
logwrite_nameTrue是否显示搜索引擎名称
enginebaiduTrue百度搜索引擎模块是否开启
enginesougouTrue搜狗模块是否开启
enginesoFalse搜搜模块是否开启 (搜搜现在抓取不到了)
pagesizebaidu_pagesize50每页条数
pagesizesougou_pagesize50每页条数
pagesizeso_pagesize10每页条数
mysqlhost127.0.0.1如果保存类型为Mysql,则此节点必须配置正确
mysqlport3306端口
mysqluserroot用户名
mysqlpasswordroot密码
mysqldatabasesuperldb数据库名称
mysqltablesearch_data表名称
filesave_pathdirresult如果保存类型为file,则这里设置的是保存的路径,当前为程序根目录的result文件夹
pluginprTrue预留的插件功能,暂时不支持

数据库创建表sql语句