简介

使用Golang编写高性能网站爬虫、内容分析工具

本项目只是本人个人学习开发并维护，本人不保证任何可用性，也不对使用本软件造成的任何后果负责。

功能

1. 扫描网站上的外链，及时发现废弃域名被抢注指向非法网站，避免因为黑链而被网安部门通报。
2. 扫描网站的内容，及时发现敏感信息(如身份证)，避免因为信息泄露而被网安部门通报。
3. 扫描网站开放下载的文件连接，对内容进行排查及时发现敏感信息，避免因为信息泄露而被网安部门通报。

Email:i@vshex.com

因为本人水平有限，大家在使用过程中发现什么问题请和我联系，谢谢！

使用说明

配置文件说明: 见config.yml注释

使用方法：

1. 编辑配置文件、调整whitelist.txt
2. 将目标网站保存到url.txt
3. 运行infoscan.exe (推荐在命令行中运行)

InfoScan

Usage:
   infoscan.exe
   infoscan.exe ls               #列出所有任务
   infoscan.exe export <JobID>   #导出任务结果

如有需要可自行编译Linux版本

文件说明

目标文件： 同级目录下的url.txt 每行一个，类似https://brey.cn

白名单：同级目录下的whitelist.txt 每行一个，扫描到的外链中如果包含白名单中所列内容，将不处理，可以过滤安全的外链，例如：edu.cn。根据自己学校的情况，合理的设备白名单，可以大大减少人工核查的工作量。

处理结果说明

data.db：SQLit数据库文件 处理结果为EXCEL文件，目前有外部链接、页面敏感信息、关键词检测、可下载文件表

对于外部链接的说明： 可以针对找到的外链进行验证，看能否正常打开(针对无法打开的外链需要重点关注)，同时对可以正常打开的网站会提取标题，便于发现有问题的外链。 对于状态码200，标题为空的结果需要特别关注（手动访问）

对于页面敏感信息的说明： 目前只进行18位身份证的匹配，有一定误报率。

对于关键词检测的说明： 有一定误报率，需要特别关注匹配关键词数量多的结果。 欢迎贡献关键词。

对于可下载文件的说明： 使用downloader目录下的工具

用法：
downloader.exe url.txt

推荐使用迅雷等专业的下载工具批量下载，然后使用FileSearchy进行文件扫描。

Todo

• 限速功能
• 菜单功能
  • 后台运行
  • 实时设置Crawler
  • 查看任务列表
  • 导出历史数据
  • 保存任务进度
• 完善内容分析模块
• 添加调用Chrome内核的Spider