乌云平台公开漏洞、知识库爬虫和搜索——乌云所有离线数据

1.安装相关组件

python 2.7和pip

mongodb

scrapy (pip install scrapy)

flask (pip install Flask)

pymongo (pip install pymongo)

2.爬虫

乌云公开漏洞和知识库的爬虫分别位于目录scrapy/wooyun和scrapy/wooyun_drops

运行scrapy crawl wooyun -a page_max=1 -a local_store=false -a update=false，有三个参数用于控制爬取：

-a page_max: 控制爬取的页数，默认为1，如果值为0，表示所有页面

-a local_store: 控制是否将每个漏洞离线存放到本地，默认为false

-a update：控制是否重复爬取，默认为false

第一次爬取全部内容时，用scrapy crawl wooyun -a page_max=0 -a update=true

平时只爬取最近的更新时，用scrapy crawl wooyun -a page_max=1，可以根据自己的爬取频率和网站更新情况调整page_max的值

全部公开漏洞的列表和每个漏洞的文本内容存在mongodb中，大概约2G内容；如果整站爬全部文本和图片作为离线查询，大概需要10G空间、2小时（10M电信带宽）；爬取全部知识库，总共约500M空间。（截止2015年10月）

3.搜索

漏洞搜索使用了Flask作为web server，bootstrap作为前端

启动web server ：在flask目录下运行python app.py，默认端口是5000

搜索：在浏览器通过http://localhost:5000进行搜索漏洞，多个关键字可以用空格分开。

4.为mongodb数据库创建索引（如果不创建索引，可能导致返回结果报错，以下为命令行状态）

mongo

use wooyun

db.wooyun_list.ensureIndex({"datetime":1})

db.wooyun_drops.ensureIndex({"datetime":1})

5.虚拟机

虚拟机1：在2016年6月底爬的wooyun全部漏洞库和知识库内容，总共30G（压缩后约11G），网盘链接: http://pan.baidu.com/s/1kUZFQdT 密码: rupb

使用方法：

1、压缩包解压后是一个vmware虚拟机的镜像，可以由vmware直接打开运行；
2、由于在制作压缩包时虚拟机为“挂起”状态，当前虚拟机的IP地址可能和宿主机的IP地址段不一致，请将虚拟机重启后重新获取IP地址，虚拟机用户密码为hancool/qwe123；
3、进入wooyun_public目录，先用git更新一下到最新的代码git pull；
4、进入wooyun_public/flask目录，运行./app.py；
5、打开浏览器，输入http://ip:5000，ip为虚拟机的网卡地址（使用ifconfig eth0查看）

虚拟机2：已打包了一个安装了所有组件和程序的虚拟机（不包含具体内容，约980M），网盘链接: http://pan.baidu.com/s/1jIlTkTC 密码: cnt7

使用方法：

1、使用vmware或virtualbox导入虚拟机

2、登录用户名hancool,密码qwe123

3、进入wooyun_public目录，先用git更新一下到最新的代码git pull

4、分别进入wooyun_public目录下的wooyun和wooyun_drops，运行爬虫爬取数据（爬取全部数据并且本地离线缓存）：scrapy crawl wooyun -a page_max=0 -a local_store=true -a update=true

5、进入wooyun_publich目录下的flask，运行./app.py，启动web服务

6、打开浏览器，输入http://ip:5000，ip为虚拟机的网卡地址（使用ifconfig eth0查看）

6.其它

本程序只用于技术研究和个人使用，程序组件均为开源程序，漏洞和知识库来源于乌云公开漏洞，版权归wooyun.org。

期待雨过天晴、重开wooyun!