fofa自动化爬虫脚本更新+详解

起因

最近要用到fofa爬虫，为什么要用爬虫不用api，问就是穷，想起来之前写过一个相关的脚本：Fofa-python-脚本，是很久以前写的了，之前写的时候有点问题，昨天重新修改了一下，记录一下整个过程

关于fofa

在其他大佬博客上摘抄的FOFA简介及使用教程

FOFA 是白帽汇推出的一款网络空间搜索引擎,它通过进行网络空间测绘,能够帮助研究人员或者企业迅速进行网络资产匹配,例如进行漏洞影响范围分析、应用分布统计、应用流行度等。
FOFA 搜索引擎检索到的内容主要是服务器，数据库，某个网站管理后台，路由器，交换机，公共ip的打印机，网络摄像头，门禁系统，Web服务 ……
FOFA 这类搜索引擎又有另一个名字：网络空间测绘系统。—— 它们就像是现实生活中的卫星地图那样，一点点勾勒出公共网络空间的样子，每一个网站、每一台公共环境下的服务器……当一个高危漏洞爆发，FOFA系统便能向卫星定位地址一样，通过特征迅速找到全网的脆弱设备。
网站：https://fofa.so/ FOFA不仅提供了在线搜索还提供了FOFA Pro客户端版本

简单来说就是跟国外的shodan，国内的ZoomEye一样是网络空间测绘工具

流程

登陆 -> 输入关键字 -> 爬取 -> 保存

登陆

登陆流程比较复杂，为了简单暴力直接使用cookie，每次使用时需要在 config.py 文件中修改 cookie值

此外config.py里面还存储了一些全局的配置信息

输入关键字

在页面输入我们需要查找的关键字，例如 aaa

跳转网页为：https://fofa.so/result?q=aaa&qbase64=YWFh&file=&file=

可以看出来qbase64是关键字base64的编码，经过测试只需要这两个关键字即可进行搜索

https://fofa.so/result?page=&qbase64=

page为页码，qbase64为关键字的base64编码

关键字转base64编码关键代码如下

 
  
   searchbs64 = quote(
   str(base64.b64encode(config.SearchKEY.encode()), encoding=
   'utf-8'))

  
 
 
  
   
    
   
   
  
 
 
  
   
    
   
   
  
 

使用quote对URL进行编码，防止出现错误

爬取

使用正则表达式显示该关键字在fofa中一共有多少页

 
  
   pagenum = re.findall(
   '>(\d*)</a> <a class="next_page" rel="next"', html)
print(
   "该关键字存在页码: "+pagenum[
   0])

  
 
 
  
   
    
   
   
  
 
 
  
   
    
   
   
  
 

先让用户确定爬取的开始和结束页码

 
  
   config.StartPage=
   input(
   "请输入开始页码:\n")
config.StopPage=
   input(
   "请输入终止页码: \n")

  
 
 
  
   
    
   
   
  
 
 
  
   
    
   
   
  
 

使用xpath提取页面url

 
  
   urllist=tree.xpath(
   '//div[@class="re-domain"]//text()')
urllist = [value.strip(
   '\n').strip(
   ' ').strip(
   '\n') 
   for value 
   in urllist 
   if 
   len(value.strip(
   '\n').strip(
   ' ').strip(
   '\n')) != 
   0]
print(urllist)

  
 
 
  
   
    
   
   
  
 
 
  
   
    
   
   
  
 

保存

保存在 hello_world.txt文件中

 
  
   doc = 
   open(
   "hello_world.txt", 
   "a+")

   for i 
   in 
   range(
   int(config.StartPage),
   int(pagenum[
   0])):
    print(
   "Now write " + 
   str(i) + 
   " page")
    pageurl = requests.get(
   'https://fofa.so/result?page=' + 
   str(i) + 
   '&qbase64=' + searchbs64, headers=config.header)
    tree = etree.HTML(pageurl.text)
    urllist=tree.xpath(
   '//div[@class="re-domain"]//text()')
    urllist = [value.strip(
   '\n').strip(
   ' ').strip(
   '\n') 
   for value 
   in urllist 
   if 
   len(value.strip(
   '\n').strip(
   ' ').strip(
   '\n')) != 
   0]
    print(urllist)
    
   for j 
   in urllist:

        print(j)
        doc.write(j+
   "\n")
    
   if i==
   int(config.StopPage):
        
   break
    time.sleep(config.TimeSleep)
doc.close()

  
 
 
  
   
    
   
   
  
 
 
  
   
    
   
   
  
 

完成

END

全部代码放在 github上：https://github.com/Cl0udG0d/Fofa-script

EOF

标签：FOFA,爬虫,关键字,详解,fofa,strip,urllist,config
来源： https://blog.csdn.net/weixin_50464560/article/details/115432085