如何查找特定URL下的所有网站。

Posted 2021-04-10

我真的想知道如何在某个URL下查找所有网站。例如，我有一个https://a.b/c的URL，我想找到它下面的所有网站，如https://a.b/c/d和https://a.b/c/d/e。有一些方法可以做到这一点吗？非常感谢！

答案

如果页面与来自根页面的超链接互连，则可以通过以下内部链接轻松地对网站进行spider。这将要求您加载根页，解析其超链接，加载这些页面并重复，直到没有检测到新的链接。您需要实施循环检测以避免抓取已爬网的页面。蜘蛛礼貌不是微不足道的;许多网站通过robots.txt文件或其他方式公开元数据，以指示他们不希望将其网站的哪些部分编入索引，并且它们可能运行缓慢以避免消耗过多的服务器资源。你应该尊重这些规范。

但是，请注意，如果未从网站明确链接所有页面，则没有通用的方法来枚举所有页面。这样做需要：

• 该站点启用了目录列表，因此您可以识别存储在这些路径上的所有文件。大多数网站都不提供此类服务;要么
• 与网站运营商或网络服务器合作，查找这些路径下列出的所有网页;要么
• 蛮力搜索这些路径下的所有可能的URL，这是一个有效无限的集合。实施这样的搜索对于网站的运营商来说是不礼貌的，在时间和精力方面是禁止的，并且不能是详尽无遗的。

另一答案

与@Cosmic Ossifrage的建议一起，您可以查找站点地图。它经常在根（https://www.example.com/robots.txt）中找到的robots.txt中引用。这可能链接到站点地图xml，其中包含网站上的链接列表，这些链接可能是也可能不是详尽无遗的。

另一答案

使用Xenus Link Sleuth，WebCheck和DRKSpider。

以下是以下链接

1. Link Sleuth：http://home.snafu.de/tilman/xenulink.html
2. WebCheck：https://arthurdejong.org/webcheck/
3. DRKSpider：http://www.drk.com.ar/spider.php