Ghost Eye 源码剖析二:单文件 Python 工具如何编排 Nmap、dig、httpie 等 6 个系统工具 【免费下载链接】ghost_eyeGhost Eye Informationgathering Footprinting Scanner and Recon Tool Release. Ghost Eye is an Information Gathering Tool I made in python 3. To run Ghost Eye, it only needs a domain or ip. Ghost Eye can work with any Linux distros if they support Python 3. Author: Jolanda de Koff项目地址https://gitcode.com/gh_mirrors/gh/ghost_eye点击查看免费下载Ghost Eye 是一款用 Python 3 编写的信息收集与 Footprinting 侦察工具整个核心逻辑只装在一个约 420 行的ghost_eye.py单文件里。它不重复造轮子而是像指挥官一样编排whois、dig、nmap、httpie、mtr、EtherApe这 6 个 Linux 系统工具再配合requests等 Python 库完成 DNS 查询、Whois 查询、端口扫描、HTTP 头抓取、路由跟踪等 14 项侦察任务。本文带你逐层拆解这份源码的编排思路新手也能看懂。单文件结构一览420 行的三层设计打开 ghost_eye.py整个文件可以分为清晰的三层层次行号范围职责依赖导入层第 43-64 行引入bs4、requests、nmap、webtech等 6 个第三方库界面层第 67-105 行banner()打印 ASCII 艺术 logomenu()打印 15 项功能菜单调度层第 108-414 行fun()主函数输入循环 if/elif 分支把每个菜单号派发到对应功能这种一个循环 一串分支的写法虽然朴素但让新手可以沿着choice变量的值一路读下去每个功能的实现都自包含、互不干扰。核心循环fun() 如何分发任务程序入口在 第 419-420 行直接调用fun()。这个函数干三件事显示 Banner 和菜单调用banner()和menu()等待用户输入菜单编号统一预处理每个分支开头先执行input()获取目标域名或 IP再调用os.system(reset -Q)清屏保持输出整洁分支派发15 个if/elif分支分别对应 14 项功能输入15或无效值时退出或报错。值得注意的细节是每个分支都包在try/except里——即使某个工具没装、目标无法访问程序也不会崩溃只会静默跳过或提示错误非常适合新手在真实环境里试错。编排模式os.popen 是连接 Python 与系统工具的桥梁Ghost Eye 最核心的编排手法只有一行套路proces os.popen(whois target) results str(proces.read())把命令行工具拼成字符串用os.popen()执行再读取全部输出打印到终端。6 个系统工具全部采用这种命令字符串 子进程的轻量编排方式不引入复杂框架这也是单文件工具能保持简洁的关键。6 个系统工具逐个拆解功能调用的工具源码位置命令要点Whois 查询whois第 116-128 行whois 目标域名获取注册人信息DNS 查询digdnsutils第 130-142 行dig 目标 trace ANY逐级追踪解析链Nmap 端口扫描nmap第 152-172 行nmap -Pn 目标跳过主机存活探测直接扫端口HTTP 头抓取httphttpie第 174-186 行http -v 目标显示完整请求/响应头路由跟踪mtr第 344-357 行mtr -4 -rwc 1 目标IPv4 报告模式跑 1 轮图形化网络监控etherape第 144-150 行用gnome-terminal新开终端以 root 运行几个有意思的编排细节Nmap 双通道输出分支里既用os.popen跑nmap拿文本结果又用python-nmap库的PortScanner打印 nmap 版本号第 160-167 行还能拼出logs/nmap-时间戳形式的日志路径为结果归档留了钩子mtr 参数精简-4 -rwc 1表示只走 IPv4、报告模式、每主机只发 1 轮包避免交互式界面卡住脚本流程EtherApe 换终端执行GUI 程序不能直接嵌在脚本里于是用gnome-terminal -- bash -c sudo etherape; exec bash弹出独立窗口扫描完自动回到 shell。Python 原生模块请求、解析与公开 API除了系统命令还有 8 项功能完全由 Python 生态完成展示了另一种编排思路——直接调用库和公开 APIClickjacking 测试第 188-211 行requests.get()抓取响应头检查X-Frame-Options是否存在判断站点是否可被点击劫持Robots.txt 扫描第 213-231 行直接拼接/robots.txt路径用urlopen读取Cloudflare Cookie 抓取第 233-259 行用cloudscraper绕过 Cloudflare 校验并提取 Cookie链接抓取器第 261-301 行经典 BFS 思路——deque当队列、set防重、BeautifulSoup解析a标签逐级爬取站内链接IP 定位第 303-327 行调用ip-api.com免费 JSON API输出城市、ISP、经纬度等 10 项地理信息CMS 技术识别第 329-342 行webtech库的start_from_url()自动识别 WordPress 等建站技术栈网页爬虫第 359-382 行正则提取title和全部链接同时读取 robots.txt子域名枚举第 384-405 行请求crt.sh证书透明度日志 API去重后列出所有历史子域名。依赖清单requirements.txt 的 6 个库requirements.txt 只列了 6 个第三方库与源码一一对应依赖用途beautifulsoup4HTML 解析服务于链接抓取和爬虫cloudscraper处理 Cloudflare 防护站点python-nmap以库的方式读取 Nmap 版本与结果requests发起 HTTP 请求的主力库urllib3requests的底层依赖抑制警告用webtechCMS 与技术栈识别而 6 个系统工具不在 pip 依赖里需要系统包管理器安装# Debian/Kali/Parrot 系 sudo apt install etherape nmap dnsutils gnome-terminal httpie mtr # Arch 系 sudo pacman -S etherape nmap dnsutils gnome-terminal httpie mtr安装与运行 Ghost Eye 最快步骤克隆仓库git clone https://gitcode.com/gh_mirrors/gh/ghost_eye cd ghost_eye创建并激活虚拟环境python3 -m venv venv source venv/bin/activate安装 Python 依赖pip3 install -r requirements.txt运行主程序python3 ghost_eye.py随后按菜单编号输入目标域名即可逐项使用输入15退出。新手可借鉴的 3 个设计点 命令字符串 os.popen编排模式Python 负责交互和流程重活交给成熟的 CLI 工具是单文件安全工具的通用骨架每个分支独立 try/except单点故障不影响整体菜单式工具尤其适合这种容错写法统一清屏 彩色输出os.system(reset -Q)和\033[1;34mANSI 转义序列让终端体验更接近商业工具。当然拼接命令字符串、裸捕获Exception等写法也有改进空间但作为理解如何用 Python 编排系统工具的入门样本Ghost Eye 的 420 行代码已经足够完整。赞分享【免费下载链接】ghost_eyeGhost Eye Informationgathering Footprinting Scanner and Recon Tool Release. Ghost Eye is an Information Gathering Tool I made in python 3. To run Ghost Eye, it only needs a domain or ip. Ghost Eye can work with any Linux distros if they support Python 3. Author: Jolanda de Koff项目地址https://gitcode.com/gh_mirrors/gh/ghost_eye点击查看免费下载相关推荐独立脚本清单audit.mjs、shoot.mjs、og.mjs等6个skills工具如何在任何项目中直接用独立脚本清单audit.mjs、shoot.mjs、og.mjs等6个skills工具如何在任何项目中直接用 skills 仓库提供 6 个可独立调用的 No深度剖析 CTF Agent CoordinatorLLM 如何用 9 个工具调用编排一整场比赛附代码实战深度剖析 CTF Agent CoordinatorLLM 如何用 9 个工具调用编排一整场比赛附代码实战 ctf agent 是一个自主 CTF 求解器人工智能AI AgentAI 应用自主智能体网络安全Magenta RealTime 2Google DeepMind革命性AI音乐生成模型完全指南Magenta RealTime 2Google DeepMind革命性AI音乐生成模型完全指南 Magenta RealTime 2是由Google Dee上一篇JSONCONS与CMake集成跨平台构建与测试完整流程指南下一篇React Native Shared Element 教程创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考