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!
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
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).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









