python爬虫--自动获取seebug的poc

简单的写了一个爬取www.seebug.org上poc的小玩意儿~

首先我们进行一定的抓包分析

我们遇到的第一个问题就是seebug需要登录才能进行下载，这个很好处理，只需要抓取返回值200的页面，将我们的headers信息复制下来就行了

（这里我就不放上我的headers信息了，不过headers里需要修改和注意的内容会在下文讲清楚）

headers = {
    'Host':******,
    'Connection':'close',
    'Accept':******,
    'User-Agent':******,
    'Referer':'https://www.seebug.org/vuldb/ssvid-',
    'Accept-Language':'zh-CN,zh;q=0.8',
    'Cookie':***********
}

由上所知，我们的中点就是referer这一项，是我们后面要进行修改的

那么怎么去修改这个呢

我先进行点击下载链接抓包发现，seebug的poc下载链接特别的整齐：

'https://www.seebug.org/vuldb/downloadPoc/xxxxx',

后面只需要加上一个五位数就行，而且五位数是连号的哦！

这就一目了然，我更改了五位数再次进行请求时发现，并没有返回美丽的200状态码，瞄了一眼header，发现了referer这一项：

'Referer':'https://www.seebug.org/vuldb/ssvid-xxxxx'

也就是说referer这一项的五位数字也要随之变化，这样我们的get请求头部就完成了

接下来是线程的问题

使用了queue和threading进行多线程处理，发现我们不能图快，不然会被反爬虫发现

于是导入time增加time.sleep(1)，能有一秒的休眠就行了，线程数给了2个（这样看来好像线程的意义并不大，不过也就这么写啦）

# coding=utf-8

import requests
import threading
import Queueimport time 

headers = {
            ******
        }
url_download = 'https://www.seebug.org/vuldb/downloadPoc/'

class SeeBugPoc(threading.Thread):
    def __init__(self,queue):
        threading.Thread.__init__(self)
        self._queue = queue

    def run(self):
        while not self._queue.empty():
            url_download = self._queue.get_nowait()
            self.download_file(url_download)

    def download_file(self,url_download):
        r = requests.get(url = url_download,headers = headers)
        print r.status_code
        name = url_download.split('/')[-1]
        print name
        if r.status_code == 200:
            f = open('E:/poc/'+name+'.txt','w')
            f.write(r.content)
            f.close()
            print 'it ok!'
        else:
            print 'what fuck !'
        time.sleep(1)
'''
    def get_html(self,url):

        r = requests.get(url = url,headers = headers)
        print r.status_code
        print time.time()
'''

def main():
    queue = Queue.Queue()
    for i in range(93000,93236):
        headers['Referer'] = 'https://www.seebug.org/vuldb/ssvid-'+str(i)
        queue.put('https://www.seebug.org/vuldb/downloadPoc/'+str(i))

        #queue用来存放设计好的url，将他们放入一个队列中，以便后面取用

    threads = []
    thread_count = 2
    for i in range(thread_count):
        threads.append(SeeBugPoc(queue))

    for i in threads:
        i.start()

    for i in threads:
        i.join()

if __name__ == '__main__':
    main()

代码如上

控制下载的range()中的两个五位数，大家只要去seebug库中找一找想要扫描的库的开头和结尾编码的五位数就行了（也就是他们的编号）

关于返回的状态码，如果项目不提供poc下载、poc下载不存在、poc需要兑换币才能下载，就不能够返回正常的200啦（非正常：404/403/521等）

当然，如果一直出现521，可以考虑刷新网页重新获取header并修改代码

最后进行一个状态码的判断，并且将200的文件写出来就好了

（

　　表示惭愧感觉自己写的很简单

　　如果大家发现错误或者有疑惑可以留言讨论哦

）