dirmap + dirsearch 安装和使用教程

原创 最新推荐文章于 2026-10-19 08:44:47 发布 9.8k 阅读 AI写同款
收录于
Web安全

当前文章被收录于：

Web安全
53 篇文章 17 人学习

Web安全

订阅专栏 查看详情
你们这样一点都不可耐
你们这样一点都不可耐 博客等级 码龄7年 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 9.8k累计阅读 9.9k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要
555粉丝139篇原创
关注
dirmap 工具学习 dirmap 是一个高级 web 目录扫描工具，基于 python3 开发、运行，功能将会强于 DirBuster、Dirsearch、cansina、御剑。自定义 dirmap 配置，开始探索 dirmap 高级功能。暂时采用加载配置文件的方式进行详细配置， 阅读详情
AI摘要

本文详细介绍了dirmap和dirsearch的安装过程及使用方法，包括依赖安装、命令行参数解析、功能特性说明及示例用法。dirmap是一款高级web目录扫描工具，功能强大，超越了DirBuster等传统工具。dirsearch则提供了丰富的选项来定制扫描行为，如URL、字典设置、请求延迟、递归扫描等。

dirmap + dirsearch 安装和使用教程

0x00 安装

  • 都只支持py3
  • 运行报错一个一个模块安装很难看，看看dirmap给的requirement.txt
gevent
requests
progressbar2
lxml

直接

pip3 install -r requirement.txt

多么愉快和轻松

在这里插入图片描述

0x01 使用

dirmap

一个高级web目录扫描工具，功能将会强于DirBuster、Dirsearch、cansina、御剑

具备以下功能：

  • 并发引擎
  • 能使用字典
  • 能纯爆破
  • 能爬取页面动态生成字典
  • 能fuzz扫描
  • 自定义请求
  • 自定义响应结果处理…

基础使用

python3 dirmap.py -i https://target.com -lcf
python3 dirmap.py -i 192.168.1.1 -lcf

单目标，默认为http

python3 dirmap.py -i https://target.com -lcf

python3 dirmap.py -i 192.168.1.1 -lcf

子网（CIDR格式）

python3 dirmap.py -i 192.168.1.0/24 -lcf

网络范围

python3 dirmap.py -i 192.168.1.1-192.168.1.100 -lcf
  • 文件读取
python3 dirmap.py -iF targets.txt -lcf

targets.txt中支持上述格式

  • 结果保存
  1. 结果将自动保存在项目根目录下的output文件夹中
  2. 每一个目标生成一个txt，命名格式为目标域名.txt
  3. 结果自动去重复，不用担心产生大量冗余

dirsearch

python3 dirsearch.py -u <URL> -e <EXTENSION>

python3 dirsearch.py -u url -e *
py -3 dirsearch.py -u url -e *

Options:
  -h, --help            show this help message and exit

  Mandatory:
    -u URL, --url=URL   URL target
    -L URLLIST, --url-list=URLLIST
                        URL list target
    -e EXTENSIONS, --extensions=EXTENSIONS
                        Extension list separated by comma (Example: php,asp)
    -E, --extensions-list
                        Use predefined list of common extensions

  Dictionary Settings:
    -w WORDLIST, --wordlist=WORDLIST
    -l, --lowercase
    -f, --force-extensions
                        Force extensions for every wordlist entry (like in
                        DirBuster)

  General Settings:
    -s DELAY, --delay=DELAY
                        Delay between requests (float number)
    -r, --recursive     Bruteforce recursively
    -R RECURSIVE_LEVEL_MAX, --recursive-level-max=RECURSIVE_LEVEL_MAX
                        Max recursion level (subdirs) (Default: 1 [only
                        rootdir + 1 dir])
    --suppress-empty, --suppress-empty
    --scan-subdir=SCANSUBDIRS, --scan-subdirs=SCANSUBDIRS
                        Scan subdirectories of the given -u|--url (separated
                        by comma)
    --exclude-subdir=EXCLUDESUBDIRS, --exclude-subdirs=EXCLUDESUBDIRS
                        Exclude the following subdirectories during recursive
                        scan (separated by comma)
    -t THREADSCOUNT, --threads=THREADSCOUNT
                        Number of Threads
    -x EXCLUDESTATUSCODES, --exclude-status=EXCLUDESTATUSCODES
                        Exclude status code, separated by comma (example: 301,
                        500)
    --exclude-texts=EXCLUDETEXTS
                        Exclude responses by texts, separated by comma
                        (example: "Not found", "Error")
    --exclude-regexps=EXCLUDEREGEXPS
                        Exclude responses by regexps, separated by comma
                        (example: "Not foun[a-z]{1}", "^Error$")
    -c COOKIE, --cookie=COOKIE
    --ua=USERAGENT, --user-agent=USERAGENT
    -F, --follow-redirects
    -H HEADERS, --header=HEADERS
                        Headers to add (example: --header "Referer:
                        example.com" --header "User-Agent: IE"
    --random-agents, --random-user-agents

  Connection Settings:
    --timeout=TIMEOUT   Connection timeout
    --ip=IP             Resolve name to IP address
    --proxy=HTTPPROXY, --http-proxy=HTTPPROXY
                        Http Proxy (example: localhost:8080
    --http-method=HTTPMETHOD
                        Method to use, default: GET, possible also: HEAD;POST
    --max-retries=MAXRETRIES
    -b, --request-by-hostname
                        By default dirsearch will request by IP for speed.
                        This forces requests by hostname

  Reports:
    --simple-report=SIMPLEOUTPUTFILE
                        Only found paths
    --plain-text-report=PLAINTEXTOUTPUTFILE
                        Found paths with status codes
    --json-report=JSONOUTPUTFILE

python3 dirsearch.py -e php,txt,zip -u https://target -w db/dicc.txt

python3 dirsearch.py -e php,txt,zip -u https://target -w db/dicc.txt --recursive -R 2

python3 dirsearch.py -e php,txt,zip -u https://target -w db/dicc.txt --recursive -R 4 --scan-subdirs=/,/wp-content/,/wp-admin/

python3 dirsearch.py -e php,txt,zip -u https://target -w db/dicc.txt --exclude-texts=This,AndThat

python3 dirsearch.py -e php,txt,zip -u https://target -w db/dicc.txt -H "User-Agent: IE"

python3 dirsearch.py -e php,txt,zip -u https://target -w db/dicc.txt -t 20

python3 dirsearch.py -e php,txt,zip -u https://target -w db/dicc.txt --random-agents

python3 dirsearch.py -e php,txt,zip -u https://target -w db/dicc.txt --json-report=reports/target.json

python3 dirsearch.py -e php,txt,zip -u https://target -w db/dicc.txt --simple-report=reports/target-paths.txt

python3 dirsearch.py -e php,txt,zip -u https://target -w db/dicc.txt --plain-text-report=reports/target-paths-and-status.json

Traceback (most recent call last):
  File "dirsearch.py", line 26, in <module>
    from lib.core import ArgumentParser
ModuleNotFoundError: No module named 'lib.core'

安装 argumentpar 模块

  • 如果安装模块后还是报错无法使用，请重新下载完整
标签
#python #linux #pip #dirsearch #dirmap
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
22. dirmap：高级 Web 目录与文件扫描工具 专注于快速发现目标网站的隐藏路径、敏感文件及未授权接口。其通过多线程、递归扫描和智能过滤机制，显著提升扫描效率与准确性，适用于红队渗透、漏洞挖掘及资产测绘等场景。：若安装失败，需检查 Python 环境及网络代理配置。，用户可高效完成 Web 路径的深度探测任务，建议结合。加载 Burp Suite 日志文件进行扫描。（HTTP 服务探测）构建完整的攻击面分析链。使用自定义字典文件（默认。设置线程数（默认 50）。指定目标 URL（如。 阅读详情

相关推荐

告别御剑和Dirsearch！用Python3写的dirmap，我这样配置让它效率翻倍

本文介绍了如何通过Python3编写的dirmap工具提升Web目录扫描效率，替代传统工具如御剑和Dirsearch。dirmap采用协程并发模型和智能递归策略，显著提高扫描速度和降低误报率，适用于渗透测试和网络安全评估。文章详细解析了dirmap的配置优化和实战应用，帮助安全从业者打造高效的Web目录探测方案。

weixin_29040367的博客 217

dirmap基础

dictmult 该目录为“字典模式”默认多字典文件夹，包含：BAK.min.txt(备份文件小字典)，BAK.txt(备份文件大字典)，LEAKS.txt(信息泄露文件字典)fuzzmult 该目录为“fuzz模式”默认多字典文件夹，包含：fuzz_mode_dir.txt(默认目录字典)，fuzz_mode_ext.txt(默认后缀字典。dict_mode_dict.txt “字典模式”字典，使用dirsearch默认字典。2、字典文件，/root/dirmap/data/-i 扫描目标或网络。

rnn0921的博客 1105

dirmap 高级指南：智能目录扫描在Web安全测试中的实战应用

目录与文件枚举是Web安全测试和信息收集的基础环节，其核心原理是通过发送大量HTTP请求，探测服务器上隐藏或未公开的资源路径。这项技术的价值在于能够发现潜在的攻击面，如管理后台、备份文件、配置文件泄露和源码泄露，从而为后续的渗透测试和漏洞评估提供关键入口。在实际应用场景中，面对现代复杂Web应用（如采用动态路由或自定义错误页面的Java应用），传统扫描工具常因误报率高或适应性不足而受限。dirmap作为一款智能目录扫描工具，通过集成多字典融合、智能去重和自适应并发等机制，并特别强化了对复杂错误页面的智能学习

weixin_34413103的博客 328

dirmap 使用教程– web目录扫描

dirmap介绍 dirmap是一个高级web目录扫描工具，基于python3开发、运行，功能将会强于DirBuster、Dirsearch、cansina、御剑。 github下载地址https://codeload.github.com/H4ckForJob/dirmap/zip/master 注意： 配置python3后 python -m pip install --upgrade pip #升级PIP pip install -r requirements.txt #安装dirm

渗透、攻防、CTF、编程 2万+

Gemini 2.5 Pro国内免魔法直连教程：5分钟搞定专业级PPT图表（附折线图/柱状图案例）

本文详细介绍了如何利用Gemini 2.5 Pro快速生成专业级PPT图表，包括折线图和柱状图等常见商业图表。通过自然语言交互和智能图表生成功能，用户可以在5分钟内完成数据可视化，大幅提升工作效率。文章还提供了实战案例和高级技巧，帮助用户轻松应对各种商业场景需求。

weixin_30733003的博客 460

用ESP32和HomeSpan自制HomeKit智能灯，手把手教你从零接入苹果家庭App

本文详细介绍了如何使用ESP32开发板和HomeSpan开源库自制原生HomeKit智能灯，从硬件搭建到软件配置，再到通过苹果家庭App控制的全过程。项目绕过了苹果MFi认证，成本低廉但功能完整，支持Siri语音控制、自动化场景等高级功能，是智能家居DIY的实用指南。

weixin_28717431的博客 321

Traceback (most recent call last): File “./nwatch.py“, line 27, in ＜module＞ import nmap

kali import nmap

爱学习的JackYang的博客 1465

双向晶闸管交流调压基础知识及Multisim电路仿真

本文介绍了双向晶闸管交流调压电路的工作原理及应用。该电路由双向晶闸管、RC移相电路和双向触发二极管组成，通过调节电位器改变触发角实现电压调节。当电位器阻值减小时，触发角减小，输出电压升高；阻值增大时，触发角增大，输出电压降低。Multisim仿真展示了不同电位器档位下的波形特征：0%档位时全导通，50%档位时半导通，100%档位时基本关断。该电路结构简单、调节平滑，广泛应用于调光、调速等场合，但会产生谐波干扰。

XU157303764的博客 838

dirmap工具使用

1下载网址 https://github.com/814561039/FUZZ-dic 下载后，根据提示安装好包后第一次运行出现如下错误提示： TypeError: start() takes 1 positional argument but 2 were given 错误处理 python3 -m pip uninstall progressbar python3 -m pip install progressbar2 2使用教程 Dirmap：一款高级Web目录文件扫描工具https

devil8123665的博客 1221

大规模SoC芯片Hierarchical Flow Calibre LVS教程

大规模SoC芯片Hierarchical Flow Calibre物理验证LVS实现教程

weixin_37584728的博客 1200

以宠辱之戒写 SAP Fiori Elements，把标准能力当成身体，把扩展冲动当成大患

SAP Fiori Elements开发中常面临业务方追求"独特页面"的压力，但过度自定义会破坏框架价值。老子"宠辱若惊"的智慧提醒开发者：不应因用户称赞或批评而动摇架构原则。标准模板的价值在于确保业务语义、交互规范和后端服务的一致性。扩展应遵循官方API，将业务逻辑放在ABAP/CDS层而非前端控制器。成熟项目会平衡标准与定制，使用annotation表达UI行为，仅在必要时通过受支持的extension points进行增强，保持系统的长期可维护性。

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 998

dirsearch使用方法_Dirmap基础使用

知名的web目录文件扫描工具有很多，御剑、DirBuster、Dirsearch、cansina，不过相比较dirmap更高级，功能很强大，支持windows和linux双端python编写。1.下载dirmap链接：https://pan.baidu.com/s/1CwZXtqxZm-9nBvXbQpLDWg提取码：y23q2.快速安装环境准备：Python3环境安装依赖：进入dirm...

weixin_39864601的博客 7336

Unity零基础到入门 ☀️| 轻松学会 Unity界面布局和简单实例——入门级！(^_−)☆

入门级Unity知识，一起加油呀！

努力前行，总会成为自己心中的那道光 1万+

目录扫描神器-dirmap

Dirmap是一款功能强大的Web目录扫描工具，支持多种扫描模式（字典/爆破/爬虫/Fuzz）和高度自定义配置。该工具具有并发扫描、递归探测、动态字典生成等特性，可针对单目标、子网或文件列表进行扫描。安装需Python3环境，通过配置文件调整扫描参数，包括请求头、超时设置、代理等。结果自动去重保存为TXT文件。已知缺陷包括爬虫模式功能不完善，需安装progressbar2替代progressbar模块。项目持续更新中，适合安全测试人员使用。

绘梨衣の沉默的博客。主要是CTF竞赛，网络安全，渗透测试，HVV，以及学习到的各种知识的分享 1260

RT-DETR改进有效系列目录 | 包含卷积、主干、RepC3、注意力机制、Neck上百种创新机制

Hello，各位读者们好Hello，各位读者，距离第一天发RT-DETR的博客已经过去了接近两个月，这段时间里我深入的研究了一下RT-DETR在ultralytics仓库的使用，旨在为大家解决为什么用v8的仓库训练的时候模型不收敛，精度差的离谱的问题，我也是成功的找到了解决方案，对于ultralytics仓库进行多处改进从而让其还原RT-DETR官方的实验环境从而达到一比一的效果。同时本人一些讲解视频和包含我所有创新的RT-DETR文档。

Snu77的博客 3万+

通过轻量级图像增强Transformer (IAT) 提升YOLOv8在低光环境下的检测性能

随着深度学习和计算机视觉的快速发展，目标检测模型在各个领域中的应用不断扩展，特别是在低照度环境下的视觉任务。YOLOv8作为当前最先进的目标检测模型之一，在高亮度和良好照明条件下表现出色，但在低照度环境下的性能存在一定的不足。为了解决这一问题，我们提出了一种轻量级的低照度图像增强网络（IAT）来改进YOLOv8的暗光检测能力。本篇文章将深入探讨这一创新改进，并附带代码实现，帮助大家更好地理解这一技术的应用和效果。

博客 1214

Kali-2024安装dirmap全过程

6、前往对应的目录下，将bruter.py文件中的21行、56行的“progressbar”全部替换为“progressbar2”5、调用dirmap.py文件扫后台文件，结果报错，显示对应的文件中没有名为“progressbar1”的模块。3、进入dirmap-master文件夹下，查看requirement.txt文件中该工具需要的依赖文件。7、再回到dirmap.py目录下，使用对应的参数再次扫描，则运行正常且快速。2、查看kali中python版本。4、分别安装上述4个依赖文件。

dbsod007520的博客 1347

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

【亲测免费】 dirmap 项目安装和配置指南

### 项目介绍 `dirmap` 是一个高级的 Web 目录和文件扫描工具，旨在提供比传统工具（如 DirBuster、Dirsearch、cansina 和 御剑）更强大的功能。它支持并发扫描、递归扫描、自定义字典扫描、爆破模式、爬虫模式等多种扫描方式，适用于渗透测试和安全评估。 ### 主要编程语言 该项目主要使用 Python 语言编写。 ## 2. 项目使用的关键技术和框架 ###

gitblog_09305的博客 755

VC中sqlite的使用

在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目，保存在这里方便以后使用直接下载

目录映射神器：Dirmap完全指南

Dirmap 📁 是一个高级的Web目录扫描工具，旨在生成目录地图。它通过从每个目录的Markdown或源代码中提取部分内容，作为该目录概览，极大地方便了对网站结构的理解与分析。与其他工具如DirBuster、Dirsearch等相比，Dirmap提供了更强大的功能集，支持并发扫描、递归、多种字典扫描策略以及高度的自定义配置，适合于安全研究人员、开发人员及运维团队在日常漏洞探测或站点管理中使用。

gitblog_00226的博客 1393

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

告别御剑和Dirsearch！用Python3写的dirmap，我愿称之为Web目录扫描的‘瑞士军刀’

本文介绍了dirmap这一基于Python3开发的Web目录扫描工具，它通过智能递归扫描、多模式协同工作和精细化流量控制等特性，显著提升了渗透测试中的信息收集效率。文章详细解析了dirmap的安装、核心参数配置和高级使用技巧，帮助安全从业者有效应对现代Web应用防护体系。

weixin_29064009的博客 205

dirsearch

关于web目录扫描器dirsearch的使用心得 因为最近闲得没事干，所以就在网上闲逛，然后发现了一个叫dirseach的web目录扫描器，它是一个基于python的命令行工具，旨在暴力扫描页面结构，包括网页中的目录和文件的这么一个扫描工具。 个人觉得这个扫描器很不错，小巧又快，因为之前试过webdirscan这个扫描器，使用默认的配置下速度很慢，要匹配出一个目录需要很长很长时间，而换了dirse...

冰阔落的博客 2209

dirsearch+dirmap+git_extract+SSRF+sqlmap+nikto

dirsearch dirsearch使用桌面 python dirsearch.py -u 网址 -e * dirmap dirmap使用在kali(还有一些没解决) SSRF 这篇很详细 浅记录一下 漏洞出现点 1、通过url地址分享网页内容功能处 2、转码服务：通过URL地址把原地址的网页内容调优使其适合手机屏幕浏览 3、在线翻译 4、图片加载与下载(一般通过url地址加载或下载图片处) 5、图片、文章收藏功能 6、未公开的api实现以及其他调用url的功能 7、云服务器商(它会远程执行一些命令来判

qq_61109509的博客 1311

dirmap信息收集工具

或许是多年再见，各自安静生活数年，在某个人潮拥挤的街头，透过公车的玻璃突然看见你。。。 ---- 网易云热评 一个高级web目录扫描工具，功能将会强于DirBuster、Dirsearch、cansina、御剑 一、下载地址 https://github.com/H4ckForJob/dirmap 二、安装过程 1、复制到本地安装包 git clone https://github.com/H4ckForJob/dirmap.git 2、安装需要的模...

Web安全工具库 2146

敏感文件、目录探测_如何进行敏感文件、目录探测工具，2024年最新网络安全基础图形

dirmap：一个高级web目录扫描工具，功能将会强于DirBuster、Dirsearch、cansina、御剑。－ｕ参数：要探测的目标地址。以ｄｖｗａ靶场为例，我的靶场地址192.168.182.130。安装python库运行环境：（requirements.txt文件里是依赖的库文件名称）安装成功后会生成一个文件夹：dirsearch。进入dirsearch并查看此文件夹下的文件。估计要等15分钟左右。进入ｄｉｒｍａｐ目录，安装支持库。问题原因是由于权限问题，在。-ｅ参数：要探测的文件类型。

2401_83946261的博客 802

敏感文件、目录探测

dirmap：一个高级web目录扫描工具，功能将会强于DirBuster、Dirsearch、cansina、御剑。－ｕ参数：要探测的目标地址。以ｄｖｗａ靶场为例，我的靶场地址192.168.182.130。安装python库运行环境：（requirements.txt文件里是依赖的库文件名称）安装成功后会生成一个文件夹：dirsearch。进入dirsearch并查看此文件夹下的文件。进入ｄｉｒｍａｐ目录，安装支持库。1、kali下clone安装。-ｅ参数：要探测的文件类型。一、常见敏感文件、目录。

tmzy1的博客 993

什么是dirsearch、xray、durpsuite、sqlmap？

你提到的dirsearchxraydurpsuite（可能为笔误，推测是 ​​）和sqlmap均为网络安全领域中常用的工具，主要用于 Web 应用的安全测试、漏洞检测或渗透测试。

魏波 1372
上一篇： 【BUUCTF】[ACTF2020 新生赛] BackupFile Writeup
下一篇： 新版抓包神器 Burp Suite 2020 找不到 spider模块？
点赞 10
评论 1
书签 书签 39
你们这样一点都不可耐
你们这样一点都不可耐
博客等级 码龄7年 555粉丝 139原创
+ 关注 专栏目录 订阅专栏
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值