Python 一个超快的公共情报搜集爬虫 — Photon

Posted 2021-08-19 Wang_AI

Photon是一个由s0md3v开源的情报搜集爬虫，其主要功能有：

1.爬取链接(内链、外链)。
2.爬取带参数的链接，如(pythondict.com/test?id=2)。
3.文件(pdf, png, xml)。
4.密钥(在前端代码中不小心被释放出来的)。
5.js文件和Endpoint(spring中比较重要的监视器)
6.匹配自定义正则表达式的字符串。
7.子域名和DNS相关数据。

你可以用它来干很多事，比如爬图片、找漏洞、找子域名、爬数据等等。而且提取出来的数据格式非常整洁：

不仅如此，它甚至支持json格式 ，仅需要在输入命令的时候加上json参数：

python photon.py -u "http://example.com" --export=json

为什么能用来做情报搜集呢？耐心往后看哦。

1.下载安装

你可以上photon的github下载完整项目：
https://github.com/s0md3v/Photon

安装完Python后，打开CMD(windows)/Terminal(macOS)，下面简称为终端，进入你刚解压的文件夹，然后输入以下命令安装Photon的依赖：

pip install -r requirements.txt

如图所示：

2.简单使用

注意，使用的时候要在Photon文件夹下。比如我们随便提取一个网站的URL试一下，在终端输入以下命令：

python photon.py -u https://bk.tencent.com/

结果如下：

它会在当前目录下产生一个你测试的域名的文件夹，比如在我这里是 bk.tencent.com：

嘻嘻，让我们看看里面有什么东西，有没有程序员留下的小彩蛋，打开external.txt，这是该网站的外链的存放位置。可以看到，这里不仅仅是只有网站页面，连CDN文件地址都会放在这里，所以external可能是个藏宝库哦。

还能一下找出该网站上链接的全部开源项目：

3.扩展

这个项目的价值，不仅在于能够快速拉取你想要得到的数据，还在于能够构建一个牛逼轰轰的情报系统（如果你技术够强的话）。因为它是能不断延伸下去的，比如从外链出发，你能找到很多和这个网站相关的讯息：

相比于搜索引擎搜索的结果，实际上这些信息更符合情报的要求。因为存在禁止搜索引擎爬取的 robot.txt, 所以不是网站的所有信息都能在搜索引擎搜索得到，而通过这个Photon，你可以顺藤摸瓜找到那些隐藏在互联网世界的它们。

试想一下，如果你搜集了很多这样的网站...然后用正则表达式搭建一个属于你自己的搜索引擎，这样的感觉是不是很棒？

觉得还不错就给我一个小小的鼓励吧！