Superl-url：一款开源关键词URL采集工具 – 作者:superl

superl-url是一款开源的，并且功能强大的关键词URL采集工具，可以根据关键词，对搜索引擎内容检索结果的网址内容进行采集。  

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~~

本来几年前就写好了，没什么技术含量，没想到小伙伴的使用需求还蛮大的，不敢私藏~~  

立了flag，git的star过200就一定抽时间去升级，这个flag已经实现，目前已经是4.0版本~~  更新后就在这里发出来了。

优势介绍

1.支持多搜索引擎，很方便添加集成。(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。

2.开源，跨平台，使用python开发；

3.做了兼容性优化，同时支持python2和python3；

4.支持自动过滤重复内容，支持过滤标题中存在指定关键词的内容，支持过滤域名；

5.保存方式同时支持本地txt和mysql数据库；

6.从搜索引擎采集到的地址，是真实网站地址，不是像百度快照那样的三方地址；

7.多进程同时采集。每个搜索引擎都单独一个进程；

8.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。

9.可自定义每页采集时间间隔，防止被屏蔽；

运行效果

使用说明

1.安装python2或者python3运行环境；

2.如果提示没有找到库，则需要安装依赖：

如果是python3，则：

pip install ConfigParser
pip install tldextract

如果是Python2，则：

pip install tldextract
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple configparser

3.根据自己的需要，修改根目录下的config.cfg配置文件。 

配置文件说明

如果保存方式为Mysql,还需要执行以下sql创建表：

    CREATE TABLE `search_data` (
      `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
      `engine` varchar(20) NOT NULL DEFAULT '',
      `keyword` varchar(100) NOT NULL DEFAULT '',
      `baseurl` varchar(255) NOT NULL DEFAULT '',
      `realurl` varchar(255) NOT NULL DEFAULT '',
      `urlparam` varchar(255) NOT NULL DEFAULT '',
      `webtitle` varchar(255) NOT NULL DEFAULT '',
      `create_time` int(10) NOT NULL,
      PRIMARY KEY (`id`)
    ) ENGINE=MyISAM AUTO_INCREMENT=395 DEFAULT CHARSET=utf8;

项目地址：【GitHub传送门】

至于要不要再开发一个JAVA GUI版本的或者php写WEB版本的，先观望观望~

*本文作者：superl，转载请注明来自FreeBuf.COM

来源：freebuf.com 2019-05-29 15:00:08 by: superl