Url采集(含站长扩展搜索)

Url采集(含站长扩展搜索)是一款关键词url批量采集脚本，除开热门的百度相关搜索词采集，当然还有360搜索引擎以及搜狗搜索引擎，多线程关键词采集URL，需要走代理，不然会出验证。

【使用说明】

先导入关键词到key.txt文档，在运行软件

【软件说明】

多线程搜索关键词提取

【软件功能】

Url采集是一个非常专业易用的关键词url批量采集脚本，含站长扩展搜索，包括热门的百度相关搜索词、360搜索引擎、搜狗搜索引擎采集，提供多线程搜索关键词提取，使用的时候只需要先导入关键词到key.txt文档，在运行软件，就可以批量采集关键词url，非常简单，网站优化必备小神器哦~

【使用说明】

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漏洞的影响程度，同时也是批量采集自己获取感兴趣的网站的一个小程序~~

测试环境为 Python 2.7.x 如果需要python3版本的，可以自行修改，或者我的博客留言

目前只可以采集百度搜索引擎的结果。并且每页默认显示50条记录。可自定义输入要采集的页数。

如果要采集关键词为“hacker”的相关网站，采集百度结果的前3页，则输入如下：

please input keyword:hacker

Search Number of pages:3

【工具特点】

1：Url采集工具获取到的是百度搜索结果的真实URL地址

2：可以忽略不需要的常见网站，如忽略百度翻译，等等所有百度相关结果，给数组添加baidu.com即可。程序已经默认忽略了很多条啦，如

filter_array1 = ['baidu.com','sina.com.cn','sohu.com','taobao.com','douban.com','163.com','tianya.cn','qq.com','1688.com']

filter_array2 = ['ganji.com','58.com','baixing.com']

filter_array3 = ['zhihu.com','weibo.com','iqiyi.com','kugou.com','51.com','youku.com','soku.com','acfun.cn','verycd.com']

filter_array4 = ['google.cn','youdao.com','iciba.com','cdict.net']

filter_array5 = ['pconline.com.cn','zcool.com.cn','csdn.net','lofter.com']

3：实时显示采集到的网页的【真实URL】以及【标题】。前面的【ID】对应的是当前页百度结果的第X条数据

4：自动保存结果到当前目录的txt文件，文件名为搜索的 关键词.txt 为了方便导入到其他工具，txt文件里面只记录了采集的网址。如果需要同时记录标题，把代码中的注释删除即可

5：自动去除重复记录

6：统计总采集条数（143 found），有效的条数（91 checked），被过滤的条数（52 filter），以及被过滤的重复的URL条数（9 delete）

7：开源，任何人都可以下载使用。由于本人能力有限，如果有好的建议以及修改，也希望能一起完善

8：跨平台，并且无捆绑后门风险。以前网上有的百度URL采集软件大部分为WINDOWS下的可执行文件，并且现在百度更新后无法正常采集。

9：程序会不断更新