新一代爬虫工具 katana 配置及使用 |
您所在的位置：网站首页 › 爬虫定制 › 新一代爬虫工具 katana 配置及使用 |
新一代爬虫工具 katana 配置及使用
|
新一代爬虫工具 katana 配置及使用。
功能： 快速且完全可配置的网络爬行 标准和无外设模式支持 JavaScript 解析/爬网 可定制的自动表单填写 范围控制 - 预配置字段/正则表达式 可自定义的输出 - 预配置字段 输入 - 标准输入、URL 和列表 输出 - 标准输出、文件和 JSON 0x01 工具安装 Katana需要Go 1.18才能成功安装。要安装，只需运行以下命令或从发布页面下载预编译的二进制文件。 go install github.com/projectdiscovery/katana/cmd/katana@latestDocker安装： docker pull projectdiscovery/katana:latest docker run projectdiscovery/katana:latest -u https://tesla.com docker run projectdiscovery/katana:latest -u https://tesla.com -system-chrome -headlessUbuntu安装： sudo apt update sudo snap refresh sudo apt install zip curl wget git sudo snap install golang --classic wget -q -O - https://dl-ssl.google.com/linux/linux_signing_key.pub | sudo apt-key add - sudo sh -c 'echo "deb http://dl.google.com/linux/chrome/deb/ stable main" >> /etc/apt/sources.list.d/google.list' sudo apt update sudo apt install google-chrome-stable go install github.com/projectdiscovery/katana/cmd/katana@latest0x02 工具使用 Katana需要URL或端点进行爬网，并接受单个或多个输入。 可以使用 -u 选项提供输入 URL，可以使用逗号分隔的输入提供多个值，同样使用 -list 选项支持文件输入，并且还支持额外的管道输入 （stdin）。 katana -u https://tesla.com多个 URL 输入（逗号分隔）： katana -u https://tesla.com,https://google.com文件输入： $ cat url_list.txt https://tesla.com https://google.com katana -list url_list.txt管道输入： echo https://tesla.com | katana cat domains | httpx | katana运行实例： katana -u https://youtube.com __ __ / /_____ _/ /____ ____ ___ _ / '_/ _ / __/ _ / _ \/ _ / /_/\_\\_,_/\__/\_,_/_//_/\_,_/ v0.0.1 projectdiscovery.io [WRN] Use with caution. You are responsible for your actions. [WRN] Developers assume no liability and are not responsible for any misuse or damage. https://www.youtube.com/ https://www.youtube.com/about/ https://www.youtube.com/about/press/ https://www.youtube.com/about/copyright/ https://www.youtube.com/t/contact_us/ https://www.youtube.com/creators/ https://www.youtube.com/ads/ https://www.youtube.com/t/terms https://www.youtube.com/t/privacy https://www.youtube.com/about/policies/ https://www.youtube.com/howyoutubeworks?utm_campaign=ytgen&utm_source=ythp&utm_medium=LeftNav&utm_content=txt&u=https%3A%2F%2Fwww.youtube.com%2Fhowyoutubeworks%3Futm_source%3Dythp%26utm_medium%3DLeftNav%26utm_campaign%3Dytgen https://www.youtube.com/new https://m.youtube.com/ https://www.youtube.com/s/desktop/4965577f/jsbin/desktop_polymer.vflset/desktop_polymer.js https://www.youtube.com/s/desktop/4965577f/cssbin/www-main-desktop-home-page-skeleton.css https://www.youtube.com/s/desktop/4965577f/cssbin/www-onepick.css https://www.youtube.com/s/_/ytmainappweb/_/ss/k=ytmainappweb.kevlar_base.0Zo5FUcPkCg.L.B1.O/am=gAE/d=0/rs=AGKMywG5nh5Qp-BGPbOaI1evhF5BVGRZGA https://www.youtube.com/opensearch?locale=en_GB https://www.youtube.com/manifest.webmanifest https://www.youtube.com/s/desktop/4965577f/cssbin/www-main-desktop-watch-page-skeleton.css https://www.youtube.com/s/desktop/4965577f/jsbin/web-animations-next-lite.min.vflset/web-animations-next-lite.min.js https://www.youtube.com/s/desktop/4965577f/jsbin/custom-elements-es5-adapter.vflset/custom-elements-es5-adapter.js https://www.youtube.com/s/desktop/4965577f/jsbin/webcomponents-sd.vflset/webcomponents-sd.js https://www.youtube.com/s/desktop/4965577f/jsbin/intersection-observer.min.vflset/intersection-observer.min.js https://www.youtube.com/s/desktop/4965577f/jsbin/scheduler.vflset/scheduler.js https://www.youtube.com/s/desktop/4965577f/jsbin/www-i18n-constants-en_GB.vflset/www-i18n-constants.js https://www.youtube.com/s/desktop/4965577f/jsbin/www-tampering.vflset/www-tampering.js https://www.youtube.com/s/desktop/4965577f/jsbin/spf.vflset/spf.js https://www.youtube.com/s/desktop/4965577f/jsbin/network.vflset/network.js https://www.youtube.com/howyoutubeworks/ https://www.youtube.com/trends/ https://www.youtube.com/jobs/ https://www.youtube.com/kids/0x03 爬虫模式 标准模式： 标准爬网模式使用底层的标准 go http 库来处理 HTTP 请求/响应。这种模式要快得多，因为它没有浏览器开销。尽管如此，它仍然按原样分析 HTTP 响应正文，没有任何 javascript 或 DOM 渲染，可能会缺少 dom 渲染后的端点或异步端点调用，这些调用可能发生在复杂的 Web 应用程序中，例如，依赖于特定于浏览器的事件。 无头模式： 无头模式挂钩内部无头调用，以直接在浏览器上下文中处理 HTTP 请求/响应。这有两个优点： HTTP 指纹（TLS 和用户代理）将客户端完全标识为合法浏览器 更好的覆盖范围，因为端点是分析标准原始响应的，就像在前面的模式中一样，以及启用了javascript的浏览器渲染的响应。 无头爬网是可选的，可以使用 -headless 选项启用。 以下是其他无头 CLI 选项 - katana -h headless Flags: HEADLESS: -hl, -headless enable headless hybrid crawling (experimental) -sc, -system-chrome use local installed chrome browser instead of katana installed -sb, -show-browser show the browser on the screen with headless mode -ho, -headless-options string[] start headless chrome with additional options -nos, -no-sandbox start headless chrome in --no-sandbox mode -cdd, -chrome-data-dir string path to store chrome browser data -scp, -system-chrome-path string use specified chrome browser for headless crawling -noi, -no-incognito start headless chrome without incognito mode无沙盒模式： 使用无沙盒选项运行无头 chrome 浏览器，在以 root 用户身份运行时很有用。 katana -u https://tesla.com -headless -no-sandbox无运行头模式： 在没有隐身模式的情况下运行无头 chrome 浏览器，这在使用本地浏览器时很有用。 katana -u https://tesla.com -headless -no-incognito |
【本文地址】