企业官网建设流程全解析

简介：这是一份基于Python的图形化信息收集与渗透测试工具源代码包，主要面向安全入门者、渗透测试工程师与Python开发人员，旨在解决从目标探测到服务识别的常见需求。工具将端口扫描、敏感文件探测、子域名发现、WHOIS查询、指纹识别、服务器信息收集等功能整合到PyQt5图形界面中，使用者无需逐条输入命令即可完成侦查任务，适合在授权测试、CTF比赛或日常学习中使用。包内共39个文件，包含14个.py主程序、12个.pyc编译文件、6个.txt字典与说明文档、2个配置文件、1个UI界面文件及少量图标资源，压缩包仅310KB，形态小巧、目录模块划分清楚。源码中封装了socket/nmap端口扫描、目录暴力破解、CMS与服务器信息识别等模块，同时附带字典文件与运行配置，便于直接运行、二次开发或对照学习。该资源已有770人浏览学习，对于希望掌握信息收集方法论、Python安全工具编写及PyQt5界面开发的人来说，是一份参考价值较高的开源样例。

1. 一套带图形界面的 Python 信息收集工具箱：它能替你省掉哪些重复劳动

做信息收集和渗透辅助测试的人都有过这种体验：拿到一个授权目标，先要在终端里来回切换七八个工具——子域名用一个脚本，端口扫描切到 masscan，指纹识别又要去翻在线平台，最后结果散落在一堆文本文件里。这份源码把信息收集最常见的四件事——子域名枚举、端口扫描、HTTP 指纹识别、目录枚举——收进一个 PyQt5 图形界面工具里。填一个目标，点开始扫描，后台任务按阶段跑完，结果汇总到表格，能导出 CSV 和 HTML 报告。它解决的是安全测试前期最琐碎、最容易被重复劳动消耗的部分，适合刚学 Python 网络编程、想看看完整 GUI 工具怎么串起来的人，也适合需要在授权范围内快速出收集结果的场景。

2. 整体架构与技术选型：先想清楚模块边界，再动手写代码

这套源码拿到手之后，第一件事不是急着跑起来，而是先把目录结构看明白。信息收集工具最怕写成一个大文件，所有函数堆在一起，改一个端口扫描逻辑要拉着界面代码一起滚，后期根本维护不动。这份源码把核心逻辑和界面层做了分离，动手改之前先看懂它的边界。

2.1 模块划分与目录结构

recon_tool/ ├── main.py # 程序入口：创建 QApplication，拉起主窗口 ├── core/ # 业务逻辑，不依赖任何 Qt 代码 │ ├── __init__.py │ ├── dns_utils.py # 子域名枚举 │ ├── port_scanner.py # 端口扫描 │ ├── http_probe.py # HTTP 探测与指纹识别 │ ├── dir_brute.py # 目录枚举 │ └── reporter.py # 结果汇总、CSV/HTML 导出 ├── ui/ │ ├── __init__.py │ ├── main_window.py # 主窗口布局与信号槽连接 │ └── worker.py # QThread 后台扫描线程 ├── dict/ │ ├── subnames.txt # 每行一个子域名前缀 │ └── dirs.txt # 每行一个目录/文件路径 ├── output/ # 扫描报告默认输出目录 └── requirements.txt # PyQt5、requests、dnspython

core 和 ui 双层结构是这个工具最关键的设计。core 里全部是纯 Python 网络代码，不 import 任何 Qt 组件，这样扫描逻辑可以单独在命令行里测试，不依赖界面；ui 层只负责把 core 的返回结果显示出来。我习惯把“能跑通的逻辑”和“好看的窗口”彻底分开，否则改一次界面布局就要重新测一遍扫描，非常浪费时间。

dict 目录里是两个纯文本字典，每行一个词，词条不要带点号和斜杠，前缀字符由代码统一处理。subnames.txt 里放常见的 www、mail、api、admin、dev、test、oa 这类；dirs.txt 里放 admin、login、api、swagger、backup、.git、.env 这类。字典是纯文本，谁都能改，不需要重新编译，这也是工具落地后最好扩展的部分。

2.2 为什么选 PyQt5 而不是 Tkinter 或 Web 界面

信息收集工具需要同时展示结果表、日志区、进度状态，界面的复杂程度决定了框架选择。Tkinter 上手成本确实最低，但它的表格控件在持续刷新大量结果时明显发虚，滚动也不顺；而且 Python 的线程更新 Tkinter 控件时，需要自己在回调里做线程切换，写起来容易翻车。PyQt5 的 QThread 加信号槽机制，把“子线程发结果 → 主线程刷新界面”这条链路设计得很顺，QTableWidget 处理几千行结果也没有压力。

为什么不选 Web 方案：信息收集工具是要在测试机上直接跑的，起 Flask 服务还得自己开浏览器，进程管理、端口占用、任务状态同步全变成额外负担。PyQt5 的控件库在这个场景里够用且不过剩，所以我一般直接选它。

2.3 线程模型：QThread 加信号槽，扫描和界面必须分家

# ui/worker.py from PyQt5.QtCore import QThread, pyqtSignal class ScanWorker(QThread): progress = pyqtSignal(int, str) # 当前完成百分比、阶段名称 result_ready = pyqtSignal(dict) # 每发现一条结果发一次 all_done = pyqtSignal(list) # 全部任务收尾，带上完整结果 def __init__(self, target, config, parent=None): super().__init__(parent) self.target = target self.config = config self._is_cancelled = False def cancel(self): self._is_cancelled = True def run(self): results = [] stages = ["子域名枚举", "端口扫描", "指纹识别", "目录枚举"] for i, stage in enumerate(stages): if self._is_cancelled: break self.progress.emit(i * 25, f"正在执行：{stage}") # 这里调用 core 包里的对应函数，把结果追加到 results # 每个阶段内部通过 result_ready 实时上报单条结果 self.all_done.emit(results)

QThread 的 run() 在子线程里执行，主线程的 QEventLoop 不会被阻塞。pyqtSignal 是线程安全的，跨线程 emit 之后，连接到的槽函数会在接收方所在线程执行，所以界面更新都写在主窗口的槽函数里，不要自己在 worker 里操作控件。ScanWorker 里放的是 cancel() 而不是 terminate()，QThread 的 terminate 不可控，可能在任何一条字节码处停掉线程，正在跑的 socket 连接不会正常关闭，下次扫描同一目标时可能出现 TIME_WAIT 堆积，Windows 下尤其明显。用标志位在每轮循环开头判断，虽然不能立刻停，但最多延迟一个任务的时间，安全得多。

跑起来之前先安装依赖：pip install -r requirements.txt，里面主要有 PyQt5、requests、dnspython 三个包。命令行测试 core 模块可以直接python -c "from core.port_scanner import scan_host; print(scan_host('127.0.0.1'))"，不需要开界面，这也是模块分离带来的好处。

3. 信息收集模块实战：子域名枚举、端口扫描与指纹识别的实现细节

这一章是整套源码里最值得花时间读的部分。四个信息收集模块各自独立，参数也各有讲究，我会直接贴代码再讲逻辑，方便你对照着改。

3.1 子域名枚举：字典加 DNS 解析，线程数不是越大越好

# core/dns_utils.py import socket from concurrent.futures import ThreadPoolExecutor def resolve_with_timeout(subdomain, timeout=2.0): try: infos = socket.getaddrinfo(subdomain, None, socket.AF_INET) ip = infos[0][4][0] return subdomain, ip except socket.gaierror: return None def enum_subdomains(domain, wordlist_path="dict/subnames.txt", max_workers=50): try: with open(wordlist_path, encoding="utf-8") as fp: subs = [line.strip() for line in fp if line.strip()] except FileNotFoundError: return [] resolved = [] with ThreadPoolExecutor(max_workers=max_workers) as pool: futures = [] for sub in subs: hostname = f"{sub}.{domain}" futures.append(pool.submit(resolve_with_timeout, hostname)) for fut in futures: result = fut.result() if result: resolved.append(result) return resolved

这段逻辑不复杂：对字典里每个前缀拼出完整域名，调用 getaddrinfo 解析，解析成功的记录域名和 IP，gaierror 说明该子域名不存在，直接跳过。这里没有用 gethostbyname，因为它在多线程并发时对系统解析器的压力更大，更容易触发超时；getaddrinfo 是标准库层面更稳的选择。max_workers 默认 50，常见做法是 30～80 之间，线程数开太大反而会让系统解析器并发受限，出现大面积超时，结果看着像目标没有子域名，其实是自己把线程数堆崩了。timeout 参数控制单个域名解析等待时间，外网目标设 2 秒是个保守值，内网 DNS 环境可以降到 0.5 秒。

3.2 端口扫描：TCP connect 扫描加线程池，超时与并发要一起调

# core/port_scanner.py import socket from concurrent.futures import ThreadPoolExecutor COMMON_PORTS = [21, 22, 23, 25, 53, 80, 110, 111, 135, 139, 143, 443, 445, 993, 995, 1433, 1521, 3306, 3389, 5432, 6379, 7001, 8000, 8080, 8443, 8888, 9200, 11211, 27017] def scan_port(host, port, timeout=1.0): sock = socket.socket(socket.AF_INET, socket.SOCK_STREAM) sock.settimeout(timeout) code = sock.connect_ex((host, port)) sock.close() return port, code == 0 def scan_host(host, ports=None, timeout=1.0, max_workers=200): ports = ports or COMMON_PORTS open_ports = [] with ThreadPoolExecutor(max_workers=max_workers) as pool: futures = {pool.submit(scan_port, host, p, timeout): p for p in ports} for fut in futures: port, is_open = fut.result() if is_open: open_ports.append(port) return sorted(open_ports)

connect_ex 返回 0 才代表端口开放，返回 111 是连接被拒绝，返回 socket.timeout 是目标没响应，这两种都算关闭或被过滤。这里用的是 TCP connect 扫描，不需要 root 权限，Windows 和 Linux 都能跑，代价是会在目标系统留下完整连接记录，所以只适合授权测试。ThreadPoolExecutor 把 30 个常用端口的扫描压到秒级，是因为 socket 连接期间 GIL 会被释放，线程池做这种 I/O 密集型任务是有效果的。

Windows 下大量并发 socket 可能触发资源限制，我一般控制在 200 以内。如果要全端口扫描，更稳的做法是把它改成分批扫描，每批 1000 个端口，中间 sleep 一下释放句柄。

3.3 HTTP 指纹识别：别只信 Server 字段，综合特征才靠得住

# core/http_probe.py import requests def grab_banner(url, timeout=5.0): headers = {"User-Agent": "Mozilla/5.0 recon-tool/1.0"} try: r = requests.get(url, timeout=timeout, headers=headers, allow_redirects=True) if r.encoding is None or r.encoding.lower() == "iso-8859-1": r.encoding = r.apparent_encoding page = r.text[:200000] except requests.RequestException: return None return { "url": url, "status": r.status_code, "server": r.headers.get("Server", ""), "powered": r.headers.get("X-Powered-By", ""), "title": extract_title(page), "page": page, "cookies": r.headers.get("Set-Cookie", ""), } def detect_cms(info): signatures = { "WordPress": ["wp-content", "wp-includes"], "ThinkPHP": ["thinkphp", "/think/"], "织梦CMS": ["dedecms", "powered by dedecms"], "Shiro": ["rememberMe=deleteMe"], } page = info.get("page", "")[:200000] for cms, marks in signatures.items(): if any(m.lower() in page.lower() for m in marks): info.setdefault("signature", []).append(cms) return info

指纹识别最容易翻车的地方是只读 Server 响应头。现在很多目标套了 CDN 或反向代理，Server 字段显示的是 nginx 或 cloudflare，真实中间件被藏在后面。所以这段代码同时抓了 X-Powered-By、页面标题、HTML 特征和 Set-Cookie 里的特征字符串。Shiro 的识别靠的是未登录时响应里会出现rememberMe=deleteMe这段 Cookie 特征，这个比看路径判断靠谱得多。requests 的 text 编码推断偶尔会失灵，常见做法是显式判断编码后用 apparent_encoding 兜底，避免页面乱码导致特征匹配失败。页面只截前 200KB，是防止大页面拖慢匹配速度。

3.4 目录枚举：软 404 是最大的误报来源

# core/dir_brute.py import requests def get_404_length(base_url, timeout=3.0): probe = base_url + "/nonexistent_path_9f8e7d6c" try: r = requests.get(probe, timeout=timeout, allow_redirects=False) return len(r.content), r.status_code except requests.RequestException: return 0, 404 def dir_brute(base_url, wordlist_path="dict/dirs.txt", timeout=3.0, threads=20, allow_status=(200, 301, 302, 403)): base_len, _ = get_404_length(base_url) with open(wordlist_path, encoding="utf-8") as fp: words = [line.strip() for line in fp if line.strip()] results = [] def check(word): if not word.startswith("/"): word = "/" + word try: r = requests.get(base_url + word, timeout=timeout, allow_redirects=False) except requests.RequestException: return None if r.status_code not in allow_status: return None # 长度和 404 基线接近的，看成软 404 if abs(len(r.content) - base_len) < 50: return None return word, r.status_code, len(r.content) with ThreadPoolExecutor(max_workers=threads) as pool: for item in pool.map(check, words): if item: results.append(item) return results

这个模块的判断逻辑比端口扫描复杂：很多框架对不存在的路径也返回 200，页面内容是一个固定模板，这种叫软 404。如果直接把所有 200 都当成可用路径，结果表会被刷屏。常见做法是先请求一个随机路径，拿到目标 404 页面的响应体长度作为基线，再把扫描结果的页面长度和基线做差值比较，差距小于 50 字节的视为同一个模板，直接过滤。我这里用 get_404_length 先探基线，再在 check 里按长度差过滤，两个步骤合起来能挡掉大部分假阳性。allow_status 为什么包含 403：有时候路径真实存在但被禁止访问，403 本身就是有价值的信息，值得记录到结果表里。

4. 图形界面落地：PyQt5 主窗体、任务队列与结果回显

core 层跑通之后，界面层就是把扫描线程和表格、日志、按钮接起来。窗口本身用 QWidget 手工布局就行，不需要 Designer，代码量不大，反而更容易看懂每个控件的位置关系。

4.1 主窗口布局：输入区、按钮区、结果表、日志区

# ui/main_window.py from PyQt5.QtWidgets import (QMainWindow, QWidget, QVBoxLayout, QHBoxLayout, QLineEdit, QPushButton, QTableWidget, QTableWidgetItem, QPlainTextEdit, QHeaderView) class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle("信息收集与渗透辅助测试工具") self.resize(960, 640) self.worker = None self._build_ui() def _build_ui(self): central = QWidget(self) root = QVBoxLayout(central) bar = QHBoxLayout() self.target_input = QLineEdit() self.target_input.setPlaceholderText("输入目标域名或 IP，例如 example.com") self.start_btn = QPushButton("开始扫描") self.stop_btn = QPushButton("停止") self.stop_btn.setEnabled(False) bar.addWidget(self.target_input, 3) bar.addWidget(self.start_btn, 1) bar.addWidget(self.stop_btn, 1) root.addLayout(bar) self.table = QTableWidget(0, 5) self.table.setHorizontalHeaderLabels(["类型", "目标", "结果", "状态码", "备注"]) self.table.horizontalHeader().setSectionResizeMode(QHeaderView.Stretch) root.addWidget(self.table, 4) self.log_view = QPlainTextEdit() self.log_view.setReadOnly(True) root.addWidget(self.log_view, 1) self.setCentralWidget(central)

布局用两个 layout 套起来：水平栏放输入框和按钮，垂直方向上面是结果表下面是日志区。addWidget 的第二个参数是拉伸因子，输入框给 3、按钮给 1，窗口拉宽时输入框占用更多空间，日志区固定占据底部一部分。QHeaderView.Stretch 让表头自动撑满整列宽度，省去手动调列宽。setPlaceholderText 是给用户看的输入提示，不是实际内容。整个窗口只有两个事件需要处理：开始、停止，其余都是数据驱动刷新。

4.2 信号槽连接：扫描线程不要碰控件，结果通过信号回传

def start_scan(self): target = self.target_input.text().strip() if not target: self.log_view.appendPlainText("目标不能为空") return config = {"timeout": 1.0, "max_workers": 100} self.worker = ScanWorker(target, config) self.worker.progress.connect(self.update_progress) self.worker.result_ready.connect(self.append_result) self.worker.all_done.connect(self.on_finished) self.start_btn.setEnabled(False) self.stop_btn.setEnabled(True) self.worker.start() def update_progress(self, percent, stage): self.log_view.appendPlainText(f"[{percent}%] {stage}") def append_result(self, item: dict): row = self.table.rowCount() self.table.insertRow(row) values = [item.get("type", ""), item.get("target", ""), item.get("result", ""), str(item.get("status", "")), item.get("note", "")] for col, val in enumerate(values): self.table.setItem(row, col, QTableWidgetItem(val)) def on_finished(self, results): self.log_view.appendPlainText(f"扫描完成，共 {len(results)} 条结果") self.start_btn.setEnabled(True) self.stop_btn.setEnabled(False)

start_scan 里做了三件事：读取输入框内容并 strip 掉空格、构造 ScanWorker 并设置扫描参数、连接信号。这里有个关键细节：progress 信号携带两个参数 (int, str)，连接的是 update_progress 槽，而不是直接接到 appendPlainText，因为槽函数的参数数量和类型必须和信号匹配，直接连会导致类型不匹配的警告，界面上看不出问题但日志不更新。append_result 在每次扫描线程发现一条结果时被调用，插入新行，逐列填充 QTableWidgetItem。on_finished 里把按钮状态恢复，避免扫描完还停在不可点状态。停止按钮的逻辑就是调用 worker.cancel()，前面已经说过用标志位而不是 terminate。

4.3 结果导出：CSV 编码和换行是两个隐形坑

import csv def export_csv(self, path="output/report.csv"): with open(path, "w", encoding="utf-8-sig", newline="") as fp: writer = csv.writer(fp) writer.writerow(["类型", "目标", "结果", "状态码", "备注"]) for row in range(self.table.rowCount()): writer.writerow([ self.table.item(row, c).text() if self.table.item(row, c) else "" for c in range(self.table.columnCount()) ]) self.log_view.appendPlainText(f"报告已导出：{path}")

csv 导出看起来简单，实际有两个坑。第一，文件编码必须是utf-8-sig，普通 utf-8 无 BOM 写出来的文件用 Excel 打开直接乱码，这是 Windows 环境最容易踩的。第二，newline=""必须写，否则在 Windows 下 csv 模块写每一行末尾会自动加一个空行，导出的文件行间距放宽两倍。QTableWidgetItem 在某一格为空时是 None，取值前要判断，这就是代码里if self.table.item(row, c)的原因。导出按钮在界面上触发后，日志区会打印导出路径，output 目录不存在时记得先os.makedirs("output", exist_ok=True)。

5. 常见问题与避坑：五个典型的翻车现场与解决路径

这套源码我前前后后跑了很多次，翻车最集中的就这几个地方。每一条都是按“现象 → 原因 → 解决”的顺序写的，对照着排查比从头看代码快。

5.1 界面假死：点击开始后窗口转圈，任务结束才恢复

现象：点“开始扫描”后窗口变成白板，拖不动也关不掉，扫描结束瞬间恢复，日志一次性全刷出来。

原因：扫描任务被直接写在按钮的回调函数里，主线程被 socket 连接和 DNS 解析占住，Qt 的事件循环收不到重绘和点击事件，表现就是假死。

解决：所有耗时任务必须放进 QThread 的 run()，通过信号把结果发回主线程。判断方法很简单：在按钮回调里加一条print("start")，如果点击后这个 print 后面跟着的程序迟迟不往下走，说明主线程被阻塞了。把这个任务挪进 ScanWorker 的 run() 就能解决。

5.2 子域名结果少得可怜：不是目标没有子域名，是解析线程太多了

现象：字典 500 条词，跑完只有 20 条结果，终端里大量超时，同一批词换个时间跑结果数量还不一样。

原因：max_workers 开到 300，系统解析器并发处理不过来，大量 DNS 查询直接在底层超时。另外，某些目标对高频 DNS 请求本身有速率限制。

解决：把 max_workers 降到 50，timeout 从 1 秒调到 2 秒。如果还是少，换 dnspython 的 resolver 做递归查询，设置resolver.lifetime = 3.0，它比系统解析器能拿到更完整的结果。我一般会先用 50 线程跑一遍，结果里挑存活的主域名再追加一批子域词，而不是一次性把所有线程压上去。

5.3 目录扫描刷出几十个 200：全是软 404 在捣乱

现象：dirs.txt 里 200 条路径，扫出来 150 条“200 OK”，但打开看全是同一个“页面不存在”模板。

原因：框架对未定义路由统一返回 200，响应体是固定模板，长度一模一样。只按状态码判断，不按响应内容判断，就会全盘接收。

解决：在扫描前先请求一个随机路径作为 404 基线，再用响应体长度差过滤。这块的完整代码在 3.4 节已经给过，核心就是abs(len(r.content) - base_len) < 50直接丢弃。注意有的站点模板里带时间戳，长度会有轻微浮动，阈值 50 是个合理的默认值，遇到动态页面可以放宽到 100。

5.4 CSV 导出后用 Excel 打开全乱码

现象：扫描结果用记事本打开正常，用 Excel 打开都是乱码，或者第一行正常后面错位。

原因：文件用普通 utf-8 编码写入，Excel 默认按本地编码（GBK）猜，读不到正确的字节序。

解决：导出时编码用utf-8-sig，这个编码会在文件头写上 BOM，Excel 识别到 BOM 后自动切到 UTF-8。同时写入newline=""参数，避免 Windows 下每行多一个回车。这两处已经写进 4.3 的 export_csv 里了，如果你自己重写导出逻辑，务必保留这两项。

5.5 PyInstaller 打包后双击没反应，或报 Qt 平台插件错误

现象：在没装 Python 的机器上双击 exe，闪退；命令行运行报Could not find or load the Qt platform plugin "windows"。

原因：PyInstaller 默认不收集 PyQt5 的整个插件目录，platforms 文件夹里的 qwindows.dll 没被带进包，Qt 找不到平台插件就直接退出。

解决：打包命令加--collect-all PyQt5，把插件、翻译文件和依赖一起收进去：

pyinstaller -w --collect-all PyQt5 -n recon_tool main.py

-w表示不弹控制台窗口。打包后先用命令行recon_tool.exe跑一下看报错，再双击测试。加了--collect-all包体积会增加，但换来的是换台机器也能开，这点体积可接受。

6. 结果导出与验证：把扫描结果变成可复现的取证报告

工具能出结果不等于结果可信，我每次改完代码都强制走一遍验证流程。验证目标不找外网，直接在本机起服务，可控性最强：

python -m http.server 8080 --bind 127.0.0.1

在另一个终端同时起一个 FTP 或 SSH 服务，让目标机有两个开放端口。然后在工具里输入127.0.0.1，跑一遍全流程。预期结果：端口扫描能识别 8080 和另一个端口，指纹识别能认出 Python http.server 的特征，目录枚举在本地静态服务上能扫到真实文件。这个基线能过，再换到授权目标。

报告生成我习惯用 HTML 而不是纯 CSV，因为 HTML 能带上颜色标记和备注列，直接丢给协作的人打开就能看。reporter.py 里的入口函数长这样：

def generate_html(results, path="output/report.html"): rows = "".join( f"<tr><td>{r.get('type')}</td><td>{r.get('target')}</td>" f"<td>{r.get('result')}</td><td>{r.get('status')}</td>" f"<td>{r.get('note')}</td></tr>" for r in results ) html = f"""<!DOCTYPE html><html><head><meta charset="utf-8"> <title>信息收集报告</title></head><body> <h3>信息收集结果</h3> <table border="1" cellspacing="0" cellpadding="6">{rows}</table> </body></html>""" with open(path, "w", encoding="utf-8") as fp: fp.write(html)

生成报告后，我会拿 nmap 的结果对拍一次端口表。工具里扫到的开放端口应该和nmap -sT -p 1-10000 目标的结果保持一致，不一致就往防火墙策略或超时参数上排查。指纹识别这一项，拿一个已知跑 WordPress 的测试站验证，识别不出来才需要怀疑是特征库没匹配上。

还有一条验证习惯值得单独说：每次改完扫描参数或过滤阈值，先跑本地基线，再跑授权目标，最后核对导出的 HTML 报告。从那以后我每次改完逻辑都强制走一遍这个流程，这套工具出过的问题，百分之九十都发生在改动后没有回归测试的时候。希望帮到你。

本文还有配套的精品资源，点击获取