快速排除網站CMS系統中可疑URL地址的實現

□ 玉易 鄧學彥

一、引言

隨著互聯網技術的不斷發展和廣泛應用，網絡安全問題也變得越來越嚴重。在日常的網站維護和安全管理中，網站版本每次上線或例行代碼變更時，網站運維人員都必須對網站數據進行排查，但網站CMS系統中網頁數據量巨大，無法人工一一查看。為提高網站運維人員的工作效率，我們利用Python語言中正則表達式和去重算法編寫程序，對網站CMS系統引用的URL地址進行快速統計，查找可疑地址，排除了風險隱患。

Python是一種高級編程語言，采用解釋運行的方式，編寫后無需編譯即可直接通過解釋器執行，編程效率極高，在各編程語言中位居前列。正則表達式是內嵌在Python中的編程語言，通過re模塊實現，基本功能是匹配、替換和提取。構造正則表達式，是通過將元字符與普通字符按各種方式結合在一起，用事先定義好的規則來匹配或捕獲那些符合某個模式的文本。正則表達式的形式為/匹配模式/，其中位于定界符之間的部分就是將要在目標對象中進行匹配的模式①。

二、去重算法簡介

利用正則表達式匹配出網站CMS系統引用的URL地址列表數據是包含重復信息的，因此需要對其進行去重處理。實現去重的算法常見有如下幾種。

（一）利用字典的fromkeys()和keys()方法②

Python中的字典數字類型是可變容器模型，能存儲任意類型對象。字典的每個鍵值對用冒號分割，每個對之間用逗號分割，整個字典包括在花括號中。字典的鍵必須是唯一的，但字典的值不必是唯一，可以取任何數據類型。字典格式為：Dict1={key1 ：value1，key2 ：value2}。

1.Python字典fromkeys()函數用于創建一個新字典，語法為 dict.fromkeys(seq[，value])，其中，seq 為字典鍵值列表，value為可選參數。用fromkeys()方法去重可得到一個字典實例，去重之后創建了一個以源列表元素為鍵，值為 None的新字典（Dict）：

unique_urls=[]

unique_urls.extend({}.fromkeys(total_urls).keys())

2.Python字典keys()函數以列表返回一個字典所有的鍵，語法為dict.keys()，dict.keys()函數返回的是一個字典所有的鍵。利用該方法去重能重新創建一個新列表實例，得到去除重復數據后的列表。

（二）利用set集合進行去重

在Python中集合有去重的功能，即把一個有重復元素的列表或元組等數據類型轉變成集合時，其中的重復元素只出現一次，使用set（）方法③。舉例如下：使total_urls，unique_urls分別為含有重復元素的列表和元組，使用set（）方法后可轉變成不含重復元素的集合類型。

unique_urls=set(total_urls)

unique_urls=list(unique_urls)

（三）利用for循環和in條件判斷去重

在python中，可使用關鍵字in來判斷特定的值是否存在列表中，使用關鍵字not in來判斷特定的值不存在列表中。此外，for循環和關鍵字in還可遍歷整個list列表，逐一判斷其中元素的唯一性。

經過速度對比測試，我們選用keys()方法來進行去重。

三、實現

（一）實現步驟

第一步：創建本地文件夾，用于存放數據庫備份文件和導出文件；

第二步：加載數據庫導出SQL文件；

e.compile(r'https?：//(?：[-w.]|(?：%[da-fA-F]{2}))+')；

第三步：統計數據庫內所有URL出處；

第四步：list列表到dict字典之間互相轉換，利用字典key的唯一性去掉了重復的URL地址，將結果保存至桌面；

第五步：查找可疑的URL地址，越不規則的URL越可疑。

（二）程序設計（如下圖）

四、結語

本文通過使用Python編寫程序對網站CMS系統引用的URL進行快速安全排查，利用了正則表達式快速準確的匹配、替換和提取等功能以及去重算法，在實際使用中顯著提高了網站運維人員日常巡檢的工作質量和效率，有力保障了網站的安全。

注釋：

①張靜，張妍.正則表達式及其在信息抽取中的應用[J].電腦知識與技術，2009(15):3867-3868.

②花田半畝2091.Python列表的去重方式[EB/OL].博客園，2020-04-02.https://www.cnblogs.com/longyuu/p/10033820.html.

③Allen-Liu.Python中的集合類型及其操作[EB/OL]CSDN，2017 -07 -27.https://blog.csdn.net/bbc955625132551/article/details/76169197.