3.4. 搜索引擎利用

恰当地使用搜索引擎(Google/Bing/Yahoo/Baidu等)可以获取目标站点的较多信息。

3.4.1. 搜索引擎处理流程

    • 数据预处理
      • 长度截断
      • 大小写转化
      • 去标点符号
      • 简繁转换
      • 数字归一化,中文数字、阿拉伯数字、罗马字
      • 同义词改写
      • 拼音改写
    • 处理
      • 分词
      • 关键词抽取
      • 非法信息过滤

3.4.2. 搜索技巧

    • site:www.hao123.com
      • 返回此目标站点被搜索引擎抓取收录的所有内容
    • site:www.hao123.com keyword
      • 返回此目标站点被搜索引擎抓取收录的包含此关键词的所有页面
      • 此处可以将关键词设定为网站后台,管理后台,密码修改,密码找回等
    • site:www.hao123.com inurl:admin.php
      • 返回目标站点的地址中包含admin.php的所有页面,可以使用admin.php/manage.php或者其他关键词来寻找关键功能页面
    • link:www.hao123.com
      • 返回所有包含目标站点链接的页面,其中包括其开发人员的个人博客,开发日志,或者开放这个站点的第三方公司,合作伙伴等
    • related:www.hao123.com
      • 返回所有与目标站点”相似”的页面,可能会包含一些通用程序的信息等
    • intitle:"500 Internal Server Error" "server at"
      • 搜索出错的页面
    • inurl:"nph-proxy.cgi" "Start browsing"
      • 查找代理服务器

除了以上的关键字,还有allintile、allinurl、allintext、inanchor、cache等。

3.4.3. 快照

搜索引擎的快照中也常包含一些关键信息,如程序报错信息可以会泄漏网站具体路径,或者一些快照中会保存一些测试用的测试信息,比如说某个网站在开发了后台功能模块的时候,还没给所有页面增加权限鉴别,此时被搜索引擎抓取了快照,即使后来网站增加了权限鉴别,但搜索引擎的快照中仍会保留这些信息。

另外也有专门的站点快照提供快照功能,如 Wayback Machine 和 Archive.org 等。

3.4.4. tips

  • 查询不区分大小写
  • * 代表某一个单词
  • 默认用and
  • OR 或者 | 代表逻辑或
  • 单词前跟+表强制查询
  • 引号引起来可以防止常见词被忽略
  • 括号会被忽略