探索未知领域的利器:LinkFinder - 深度挖掘JavaScript中的隐藏链接
在网络安全领域,渗透测试和系统检查是一项挑战性的工作。今天,我们向你推介一款强大的工具——LinkFinder,它是一款Python脚本,专为发现JavaScript文件中的端点及其参数而设计。通过LinkFinder,你可以发掘网站上未公开的隐藏链接,从而开拓新的测试范围,识别潜在的系统问题。
项目简介
LinkFinder利用Jsbeautifier库将JS代码美化,然后结合一组精心构建的正则表达式进行匹配,找出四种类型的URL:
- 完整的URL(例如:
https://example.com/*) - 绝对路径或带点号的URL(例如:
/\*或../*) - 至少含一个斜线的相对路径(例如:
text/test.php) - 不含斜线的相对路径(例如:
test.php)
其结果可以以HTML或纯文本格式输出,并且@karel_origin还开发了一个Chrome扩展,使得LinkFinder的功能更加便捷。
屏幕快照
这是LinkFinder在实际操作中的截图,清晰地展示了找到的URL列表。
安装与依赖
LinkFinder支持Python 3。要安装,只需执行以下命令:
$ git clone https://github.com/GerbenJavado/LinkFinder.git
$ cd LinkFinder
$ python setup.py install
此外,你需要先安装argparse和jsbeautifier这两个Python模块,可以通过pip3来完成:
$ pip3 install -r requirements.txt
使用方法
LinkFinder提供了丰富的命令行选项供你选择。如需获取在线JS文件中找到的端点并将其结果保存到results.html:
python linkfinder.py -i https://example.com/1.js -o results.html
还可以分析整个域名下的所有JS文件:
python linkfinder.py -i https://example.com -d
或者从Burp抓包工具导出的文件中读取多个JS文件:
python linkfinder.py -i burpfile -b
具体更多用法,请参阅项目文档。
Docker 支持
为了便于跨平台使用,LinkFinder也提供Docker镜像支持。使用如下命令构建和运行:
docker build -t linkfinder
docker run --rm -v $(pwd):/linkfinder/output linkfinder -i http://example.com/1.js -o /linkfinder/output/output.html
确保指定/linkfinder/output作为输出路径,否则结果将在容器退出后丢失。
单元测试
如果你想要验证LinkFinder的功能,可使用pytest来进行单元测试:
pytest test_parser.py
结语
LinkFinder是作者首次公开发布的工具,欢迎任何形式的贡献。该项目遵循MIT许可协议,并得到了@jackhcable的反馈以及@edoverflow的帮助,使其变得更加优秀和易用。如果你在网络安全领域寻找新的突破,LinkFinder无疑是你不可或缺的武器。
现在就加入LinkFinder的世界,探索那些隐秘在JavaScript深处的秘密吧!
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00