cc.py

Estrae gli URL di un target specifico basandosi sui risultati di "commoncrawl.org".
Aggiornato alla v.0.3 | Novità:

• Elaborazione più veloce del 65%
• Specifica un anno tramite -y/--year, es.: -y 2018
• Specifica un file di output tramite -o/--out, es.: -o whatever.txt
• Esegui il crawl di tutte le pagine per un indice specifico -i/--index, es.: cc.py army.mil -i CC-MAIN-2018-05
• Elenca tutti gli indici disponibili -l/--list, es.: cc.py army.mil -l

ToDo

• Crawl per un indice specifico
• Implementazione del multithreading
• Consentire un intervallo di anni come input
• Implementazione di direct-grep
• Scrittura di file temporanei

Uso

cc.py [-h] [-y YEAR] [-o OUT] [-l] [-i INDEX] [-u] domain

positional arguments:
  domain                domain which will be crawled for

optional arguments:
  -h, --help            show this help message and exit
  -y YEAR, --year YEAR  limit the result to a specific year (default: all)
  -o OUT, --out OUT     specify an output file (default: domain.txt)
  -l, --list            Lists all available indexes
  -i INDEX, --index INDEX
                        Crawl for a specific index (this will crawl all
                        pages!)
  -u, --update          Update index file

Esempio

python3 cc.py github.com -y 2018 -o github_18.txt
cat github_18.txt | grep user

Dipendenze

• Python3

Questo è un fork del repository principale, ho solo aggiunto alcune funzionalità mancanti.