之前一直是用的github上别人爬取fofa的脚本，前两天用的时候只能爬取第一页的链接了，猜测是fofa修改了一部分规则（或者是我不小心删除了一部分文件导致不能正常运行了）
于是重新写了一下爬取fofa的代码，写的不好:(
因为fofa的登录界面是https://i.nosec.org/login?service=https%3A%2F%2Ffofa.so%2Fusers%2Fservice
FOFA的登录跟一般网站登录不同，在nosec登录成功后，只拥有nosec的cookie，并没有fofa的cookie，所以访问fofa还是未登录状态，需要再访问https://fofa.so/users/sign_in才会生成fofa的cookie。
然后我就换了一种方式，手动添加_fofapro_ars_session来进行登录，fofapro_ars_session在我们登录fofa之后使用F12可以查看，这一步比较麻烦
添加了对应的session之后，我们对输入内容进行base64编码，因为当我们在fofa网站进行搜索的时候，网站也是将我们输入的内容进行base64编码然后进行搜索的
接着解析页面获取相应链接，持续找到下一页即可。
需要注意的是，因为fofa也有防止快速爬取的机制，所以我们在爬取的时候要设置一点延时，防止抓取到的IP地址有漏掉的。
在检索到了搜索的内容之后，首先显示该搜索对象有多少页，爬取的页数也是由输入者自己决定。
代码如下：（有一个漂亮的字符画大LOGO）
# -*- coding:utf-8 -*-
import requests
from lxml import etree
import base64
import re
import time
cookie = ''
def logo():
print('''
/$$$$$$$$ /$$$$$$ /$$$$$$$$ /$$$$$$
| $$_____//$$__ $$| $$_____//$$__ $$
| $$ | $$ $$| $$ | $$ $$
| $$$$$ | $$ | $$| $$$$$ | $$$$$$$$
| $$__/ | $$ | $$| $$__/ | $$__ $$
| $$ | $$ | $$| $$ | $$ | $$
| $$ | $$$$$$/| $$ | $$ | $$
|__/ \______/ |__/ |__/ |__/
/$$$$$$ /$$ /$$
/$$__ $$ |__/ | $$
| $$ \__/ /$$$$$$ /$$ /$$$$$$$ /$$$$$$ /$$$$$$
| $$$$$$ /$$__ $$| $$ /$$__ $$ /$$__ $$ /$$__ $$
\____ $$| $$ $$| $$| $$ | $$| $$$$$$$$| $$ \__/
/$$ $$| $$ | $$| $$| $$ | $$| $$_____/| $$
| $$$$$$/| $$$$$$$/| $$| $$$$$$$| $$$$$$$| $$
\______/ | $$____/ |__/ \_______/ \_______/|__/
| $$
| $$
|__/
version:1.0
''')
def spider():
header = {
"Connection": "keep-alive",
"Cookie": "_fofapro_ars_session=" + cookie,
}
search = input('please input your key:
')
searchbs64 = (str(base64.b64encode(search.encode('utf-8')), 'utf-8'))
print("spider website is :https://fofa.so/result?&qbase64=" + searchbs64)
html = requests.get(url="https://fofa.so/result?&qbase64=" + searchbs64, headers=header).text
pagenum = re.findall('>(d*)</a> <a class="next_page" rel="next"', html)
print("have page: "+pagenum[0])
stop_page=input("please input stop page:
")
#print(stop_page)
doc = open("hello_world.txt", "a+")
for i in range(1,int(pagenum[0])):
print("Now write " + str(i) + " page")
pageurl = requests.get('https://fofa.so/result?page=' + str(i) + '&qbase64=' + searchbs64, headers=header)
tree = etree.HTML(pageurl.text)
urllist=tree.xpath('//div[@class="list_mod_t"]//a[@target="_blank"]/@href')
for j in urllist:
#print(j)
doc.write(j+"
")
if i==int(stop_page):
break
time.sleep(10)
doc.close()
print("OK,Spider is End .")
def start():
print("Hello!My name is Spring bird.First you should make sure _fofapro_ars_session!!!")
print("And time sleep is 10s")
def main():
logo()
start()
spider()
if __name__ == '__main__':
main()
Github链接：https://github.com/Cl0udG0d/Fofa-script
我设置的time.sleep()延时是10秒，可以根据自己的需求进行修改，以及，虽然在代码里面进行了base64解码，但是有的时候总会出现编码问题而导致搜索不到想要的结果，pagenum[0]等于0的情况，如果修改关键字还是不行的话，可以自己在fofa网站里面查了之后，在url中将base64之后的搜索关键字替换成代码里面的searchbs64，这样就必然能够搜索到了，这些不足的地方在下次修改的时候进行改进吧，奥利给。
支付宝扫一扫
微信扫一扫
