如何获取网站的url地址(如何获取网页里的url)

大黑客呢?肯定会自己写脚本,不要一条一条的去敲命令,这里简单的利用lynx这个命令的应用来提取特点的web页面中的一系列的url,

你看把,这是小编的编辑器,不错把,挺漂亮的颜色,小编挺幸苦搞这个编辑器,给小编加个油吧,文章最后我会贴出源代码!!

如何获取网站的url地址(如何获取网页里的url)(1)

我来说说这个脚本的工作原理

在显示页面时候,lynx会以最佳的格式显示页面文本,它可以跟随页面上的所有超文本引用或链接。该脚本在提取链接的时候,只使用sed打印出页面文本中references字符串之后的所有内容。然后根据用户指定的选项来处理链接列表。

上面的只是我在linux里写的一些代码,等等我会把源代码放出来,不懂的可以问问我,提取网页的链接其实是很有用的。

我们运行一下我写的代码

如何获取网站的url地址(如何获取网页里的url)(2)

你看从百度的网站找到这么多链接,是不是挺有成就感的!!!!

Bash getlinks.sh http://www.amazon.com | wc –l

如何获取网站的url地址(如何获取网页里的url)(3)

还能统计有多少条链接,亚马孙的一共有134条链接。

Bash getlinks.sh -d htt://www.baidu.com

这个去掉了前面的http://,就可以看见这些链接指向了多少不同的域。

如何获取网站的url地址(如何获取网页里的url)(4)

你看吧,效果很不错吧!!!

写在最后,我们是做教育的,希望大伙能学到东西是我们不变的初衷!!

同学们想了解更多的知识,可以私信我,加群讨论一下!!希望可以帮到大家!!!!最后我先把代码贴出来:

#!/bin/bash #Date 2019-09-22 if [ $# -eq 0 ];then echo "Usage:$0 [-d|-i|-x] url" >&2 echo "-d=domains only,-i=internal refs only,-x=external only" >&2 exit 1 fi if [ $# -gt 1 ];then case "$1" in -d) lastcmd="cut -d/ -f3 | sort |uniq" shift ;; -r) basedomain="http://$(echo $2 | cut -d -f3)/" lastcmd="grep \"^$basedomain\" | sed \"s|$basedomain||g\" | sort|\ uniq" shift ;; -a) basedomain="http://$(echo $2 | cut -d/ -f3)/" lastcmd="grep -v \"^$basedomain\" | sort | uniq" shift ;; *) echo "$0 unknown option specified: $1" >&2 exit 1 esac else lastcmd="sort | uniq" fi lynx -dump "$1" | \ sed -n '/^References$/,$p' | \ grep -E '[[:digit:]] \.' | \ awk '{print $2}' |\ cut -d\? -f1 |\ eval $lastcmd exit 0

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页