布景 在剖析日志的时分发现有些日志中参数中包括其他的URL，例如： http://www.xxx.cn/r/common/register_tpl_shortcut.php?ico_url=http://www.abcfdsf.com/tg_play_1121.php&supplier_id=3&ep=tg&style=szsg_reg_tg03 http://b.xxx.cn?c=IMG src="http://www.thesiteyouareon.com/somecommand.php?somevariables=maliciouscode"> http://b.xxx.cn?c=SCRIPT a=">" src="http://xss.ha.ckers.org/a.js">SCRIPT> 提取恳求参数中的URL(xss.ha.ckers.org)，再比照要挟情报数据库，假如射中黑名单直接标黑。假如不在黑名单，也不在公司的白名单里能够先做个符号，后续侧重剖析。 提取URL 关于URL的提取网上有许多文章，大部分都是是运用正则表达式，办法简略可是不太精确。我这儿供给一种办法：选用词法剖析，提取域名和IP。思路学习了这篇文章：https://blog.csdn.net/breaksoftware/Article/details/7009209，有爱好的能够去看看，事实证明跟着大神的确涨姿态。 原文是用C++版别，这儿我用Python写了一个相似的，供我们参阅。 常见的URL分类 IP方式：192.168.1.1，10.20.11.1 Domain方式：baidu.com、www.sin *** ，freebuf.com 调查能够见得：IP方式的URL结构最为简略：4个小于255的数字被.切割；domain方式比较复杂，可是它们有共性：都具有尖端域名.com。 界说合法字符： legalChars = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ-_" legalNumers = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9'] 尖端域名列表： topLevelDomain = ['biz', 'com', 'edu', 'gov', 'info', 'int', 'mil', 'name', 'net', 'org', 'pro', 'aero', 'cat', 'coop', 'jobs', 'museum', 'travel', 'arpa', 'root', 'mobi', 'post', 'tel', 'asia', 'geo', 'kid', 'mail', 'sco', 'web', 'xxx', 'nato', 'example', 'invalid', 'test', 'bitnet', 'csnet', 'onion', 'uucp', 'ac', 'ad', 'ae', 'af', 'ag', 'ai', 'al', 'am', 'an', 'ao', 'aq', 'ar', 'as', 'at', 'au', 'aw', 'ax', 'az', 'ba', 'bb', 'bd', 'be', 'bf', 'bg', 'bh', 'bi', 'bj', 'bm', 'bn', 'bo', 'br', 'bs', 'bt', 'bv', 'bw', 'by', 'bz', 'ca', 'cc', 'cd', 'cf', 'cg', 'ch', 'ci', 'ck', 'cl', 'cm', 'cn', 'co', 'cr', 'cu', 'cv', 'cx', 'cy', 'cz', 'de', 'dj', 'dk', 'dm', 'do', 'dz', 'ec', 'ee', 'eg', 'eh', 'er', 'es', 'et', 'eu', 'fi', 'fj', 'fk', 'fm', 'fo', 'fr', 'ga', 'gb', 'gd', 'ge', 'gf', 'gg', 'gh', 'gi', 'gl', 'gm', 'gn', 'gp', 'gq', 'gr', 'gs', 'gt', 'gu', 'gw', 'gy', 'hk', 'hm', 'hn', 'hr', 'ht', 'hu', 'id', 'ie', 'il', 'im', 'in', 'io', 'iq', 'ir', 'is', 'it', 'je', 'jm', 'jo', 'jp', 'ke', 'kg', 'kh', 'ki', 'km', 'kn', 'kp', 'kr', 'kw', 'ky', 'kz', 'la', 'lb', 'lc', 'li', 'lk', 'lr', 'ls', 'lt', 'lu', 'lv', 'ly', 'ma', 'mc', 'md', 'me', 'mg', 'mh', 'mk', 'ml', 'mm', 'mn', 'mo', 'mp', 'mq', 'mr', 'ms', 'mt', 'mu', 'mv', 'mw', 'mx', 'my', 'mz', 'na', 'nc', 'ne', 'nf', 'ng', 'ni', 'nl', 'no', 'np', 'nr', 'nu', 'nz', 'om', 'pa', 'pe', 'pf', 'pg', 'ph', 'pk', 'pl', 'pm', 'pn', 'pr', 'ps', 'pt', 'pw', 'py', 'qa', 're', 'ro', 'rs', 'ru', 'rw', 'sa', ' *** ', 'sc', 'sd', 'se', 'sg', 'sh', 'si', 'sj', 'sk', 'sl', ' *** ', 'sn', 'so', 'sr', 'st', 'su', 'sv', 'sy', 'sz', 'tc', 'td', 'tf', 'tg', 'th', 'tj', 'tk', 'tl', 'tm', 'tn', 'to', 'tp', 'tr', 'tt', 'tv', 'tw', 'tz', 'ua', 'ug', 'uk', 'um', 'us', 'uy', 'uz', 'va', 'vc', 've', 'vg', 'vi', 'vn', 'vu', 'wf', 'ws', 'ye', 'yt', 'yu', 'za', 'zm', 'zw'] 域名方式提取：如www.baidu.com。 if self.isLegalChar(zv): i = 0[1][2][3]黑客接单网