企业官网建设流程全解析

简介：本资源为基于Django框架与Python实现的漏洞扫描系统完整源码包，面向计算机、信息安全、数据科学等专业的在校学生、教师及企业员工，适用于课程设计、期末大作业、毕业设计及初期项目立项演示。项目涵盖主机漏洞扫描、Web网页漏洞扫描、数据库管理、用户交互、漏洞报告、用户管理、日志记录与修复评估八大模块，支持端口扫描、服务识别、XSS与SQL注入检测、报告导出PDF/HTML等功能，并附详细项目说明。压缩包共441个文件，以146个py源码、68个html模板、42个js脚本及scss、css、less样式文件为主，另含sql数据库脚本、json配置、bat启动脚本与图片资源，整体约8.46MB，目录结构清晰便于按模块检索。目前已有320人学习下载，适合需要完整网络安全项目实战、二次开发或撰写论文的读者参考借鉴。

1. 从一份 Django 漏洞扫描系统源码说起：它到底能扫什么、不能扫什么

拿到「基于Django框架+python实现的漏洞扫描系统源码+sql数据库+详细项目说明.zip」这类资源的人，通常有两种心态：一种是刚学完 Django 想找个能写进简历的项目，另一种是手上有一批内网资产，想搭个轻量工具先跑起来看看。这两种诉求差别很大，但都能从同一套代码里各取所需。这个系统的本质，是把「目标发现 → 端口/服务探测 → 规则匹配 → 结果入库 → Web 展示」这条链路用 Python 串起来，再用 Django 做一层管理界面和任务调度入口。它能解决的是资产清点、常见弱口令和已知组件版本比对这类重复劳动，不能替代专业漏扫引擎做深度利用验证。适合有 Python 基础、懂一点 HTTP 和数据库、想自己掌控扫描逻辑的运维或安全方向从业者。下面按「先跑通、再改规则、最后避坑」的顺序拆开讲。

2. 环境搭建与项目骨架：把 Django 和 SQL 数据库先跑起来

2.1 为什么选 Django 而不是 Flask 做扫描系统的壳

扫描系统本身的计算逻辑跟 Web 框架关系不大，真正决定选型的是「任务管理、结果存储、权限、页面展示」这几块。Django 自带 ORM、Admin、迁移和用户体系，一个python manage.py migrate就能把 SQL 数据库表结构建好，省掉大量手写 CRUD 的时间。常见做法是用 Django 做控制台，扫描核心写成独立的 Python 模块，通过 Celery 或线程池异步调用，避免请求阻塞。如果换成 Flask，路由和模板要自己拼，Admin 也得额外接，对新手不友好。所以这套源码选 Django 是合理的，重点在于你要理解它的分层：views负责接收扫描任务，models负责落库，scanner目录才是真正的扫描逻辑。

2.2 依赖安装与数据库配置的最小步骤

先确认 Python 版本，建议 3.8 以上，然后建虚拟环境。数据库方面，源码通常默认 SQLite 方便演示，但生产环境建议换 MySQL 或 PostgreSQL，因为扫描结果写入频繁，SQLite 的并发写会锁表。

# 创建并激活虚拟环境 python -m venv venv source venv/bin/activate # Windows 用 venv\Scripts\activate # 安装依赖，requirements.txt 一般包含 Django、requests、pymysql 等 pip install -r requirements.txt # 初始化数据库表结构 python manage.py makemigrations python manage.py migrate # 创建后台管理员，用于登录 Django Admin 查看扫描结果 python manage.py createsuperuser # 启动开发服务器 python manage.py runserver 0.0.0.0:8000

上面每一步都有明确目的：makemigrations根据models.py生成建表语句，migrate真正执行到数据库，createsuperuser让你能进/admin看数据。如果migrate报错，九成是数据库连接配置不对，去settings.py的DATABASES段核对NAME、USER、PASSWORD、HOST、PORT。用 MySQL 时还要先pip install mysqlclient或在__init__.py里加pymysql.install_as_MySQLdb()。

2.3 扫描核心模块的目录结构与调用关系

一套能用的源码，目录一般长这样：scanner/下放port_scan.py、web_scan.py、poc_check.py，tasks.py负责调度，models.py里定义ScanTask、ScanResult两张主表。调用链是：前端提交目标 → view 创建ScanTask记录 → 异步任务读取目标 → 调用具体扫描函数 → 结果写ScanResult→ 页面轮询展示。理解这条链，你改规则时才知道该动哪个文件。比如想加一个针对某中间件弱口令的检测，就在poc_check.py里加函数，在tasks.py里注册调用，不用碰前端。

# scanner/port_scan.py 简化示例 import socket def scan_port(host, port, timeout=1): """返回 True 表示端口开放，False 表示关闭或超时""" s = socket.socket(socket.AF_INET, socket.SOCK_STREAM) s.settimeout(timeout) # 超时设太大会拖慢整体扫描 try: s.connect((host, port)) return True except (socket.timeout, ConnectionRefusedError): return False finally: s.close()

这段代码的关键参数是timeout。内网可以设 0.5 到 1 秒，公网目标建议 2 到 3 秒，否则大量超时会让你误判端口关闭。socket.AF_INET表示 IPv4，如果要支持 IPv6 得换AF_INET6。实际项目中不要单线程循环扫全端口，用concurrent.futures.ThreadPoolExecutor控制并发数，一般 100 到 200 线程比较稳，再高容易被目标防火墙拉黑。

3. 扫描规则与 SQL 数据库落库：让结果可查、可复现

3.1 规则文件怎么写：从端口指纹到 Web 特征匹配

扫描系统的价值不在端口开放本身，而在「开放之后判断出这是什么服务、什么版本、有没有已知问题」。常见做法是维护一份规则表，端口指纹用 banner 抓取加正则，Web 特征用请求特定路径看返回头或 body 关键字。规则建议单独放rules/目录，用 JSON 或 YAML 存，方便不改代码就能扩充。

# scanner/web_scan.py 特征匹配片段 import requests def check_web_feature(url, keyword, timeout=5): """请求目标 URL，判断响应体中是否包含指定关键字""" headers = {"User-Agent": "Mozilla/5.0 (compatible; ScanBot/1.0)"} try: resp = requests.get(url, headers=headers, timeout=timeout, verify=False) return keyword.lower() in resp.text.lower() except requests.RequestException: return False

verify=False是为了跳过自签名证书报错，但会带来警告，生产环境建议把目标证书指纹存下来做校验。timeout设 5 秒是折中值，太短会漏掉响应慢的页面，太长会拖垮任务队列。User-Agent不要用默认的 python-requests，很多 WAF 会直接拦截，伪装成常见浏览器能提高存活率。

3.2 扫描结果如何写进 SQL 数据库

结果落库是这套系统区别于「一次性脚本」的核心。表设计一般分两层：ScanTask记录一次任务的目标、开始时间、状态；ScanResult记录每条发现，外键关联任务。这样你能按任务查历史，也能按目标查趋势。

# 在 tasks.py 中保存结果的典型写法 from .models import ScanTask, ScanResult def save_finding(task_id, host, port, vuln_type, detail): task = ScanTask.objects.get(id=task_id) ScanResult.objects.create( task=task, host=host, port=port, vuln_type=vuln_type, # 如 "weak_password"、"outdated_component" detail=detail, # 存原始证据，方便复现 created_at=timezone.now() )

vuln_type建议用固定枚举值，不要写自由文本，否则后期统计和去重会很痛苦。detail字段存原始响应片段或命令行输出，这是你复现问题的「后悔药」。如果一次任务结果上万条，逐条create会慢，改用bulk_create批量插入，每 500 条提交一次。

3.3 用 Django ORM 做结果查询与去重

扫描跑多了，同一目标同一问题会反复出现。去重逻辑可以放在入库前，也可以放在查询时。常见做法是给(host, port, vuln_type)建联合唯一索引，入库用update_or_create，这样重复扫描只更新时间不新增记录。

# 去重入库示例 ScanResult.objects.update_or_create( task=task, host=host, port=port, vuln_type=vuln_type, defaults={"detail": detail, "created_at": timezone.now()} )

注意update_or_create在高并发下可能触发竞态，稳妥做法是数据库层加唯一约束，捕获IntegrityError后重试。查询时用ScanResult.objects.filter(vuln_type="weak_password").values("host").distinct()快速拉出受影响主机列表，比在 Python 里循环去重快得多。

4. 避坑与排查：扫描系统最容易翻车的五个地方

4.1 扫描结果全是「端口关闭」，但目标明明活着

现象：任务跑完，开放端口数为零，手动 telnet 却能通。原因通常是并发线程过高导致本机文件描述符耗尽，或者timeout设得太短，SYN 包还没回来就判超时。解决：把并发降到 50 到 100，timeout提到 2 秒，并在 Linux 下用ulimit -n 65535提高句柄上限。另外确认没有把目标写成域名而 DNS 解析失败，先ping一下。

4.2 数据库写入报「database is locked」

现象：用 SQLite 时，扫描任务一多就报锁表。原因是 SQLite 同一时刻只允许一个写操作，而扫描结果是高频写入。解决：换 MySQL 或 PostgreSQL，或者在 Django 配置里加OPTIONS: {"timeout": 20}延长等待，同时把结果写入改成批量提交，减少事务次数。长期跑扫描的系统不要用 SQLite 做生产库。

4.3 规则匹配误报率高，把正常页面当成漏洞

现象：报告里一堆「疑似漏洞」，人工一看全是误报。原因是关键字匹配太宽，比如用error去匹配响应体，正常页面也有这个词。解决：规则要加「与」条件，比如同时命中特定路径、特定状态码和特定关键字才算；并且把匹配到的原始响应存进detail，方便人工复核。规则上线前先拿正常业务系统跑一遍，看误报量能不能接受。

4.4 扫描任务卡在「运行中」不结束

现象：任务状态一直是 running，页面不刷新结果。原因是异步任务抛异常没被捕获，或者线程池没设置超时。解决：在任务入口加try/except并记录日志，给每个目标设总超时，比如单目标不超过 300 秒。Django 侧可以用celery的soft_time_limit强制中断。排查时先看日志文件，再看数据库里任务的状态字段有没有被更新。

4.5 换数据库后中文乱码或时间不对

现象：从 SQLite 换到 MySQL，中文变成问号，时间差 8 小时。原因是字符集没设utf8mb4，时区没设Asia/Shanghai。解决：建库时指定CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci，Django 配置里TIME_ZONE = "Asia/Shanghai"、USE_TZ = False。如果已经建好库，用ALTER DATABASE和ALTER TABLE改字符集，时间字段用CONVERT_TZ修正。

5. 进阶技巧：把扫描系统从「能跑」推到「敢用」

5.1 用任务队列替代线程池，让扫描可暂停可重试

线程池的缺点是进程一重启任务就丢，也没法优雅暂停。进阶做法是引入 Celery + Redis，每个目标是一个独立 task，支持retry和revoke。配置上把CELERY_TASK_ACKS_LATE = True，保证 worker 崩溃后任务能重新投递。这样你可以在页面上加「暂停」「重跑失败项」按钮，实用性提升一个档次。

# celery 任务定义示例 from celery import shared_task @shared_task(bind=True, max_retries=3, default_retry_delay=10) def scan_target(self, task_id, host): try: run_scan(task_id, host) except Exception as exc: raise self.retry(exc=exc) # 失败自动重试，最多 3 次

max_retries=3是经验值，网络抖动重试三次基本能覆盖；default_retry_delay=10避免瞬间重试打爆目标。注意重试要幂等，也就是同一目标重复扫描不会产生重复记录，这靠前面说的唯一索引保证。

5.2 用「扫描指纹」判断结果是否可信

同一个漏洞，不同扫描方式置信度不同。可以在ScanResult里加一个confidence字段，端口开放给 0.5，banner 匹配给 0.7，实际请求验证给 0.9。展示时按置信度排序，低置信度的折叠起来。这样报告给出去不会因为一堆误报失去信任。验证方法很简单：挑置信度最低的十条人工复核，如果误报超过三条，说明规则该收紧。

5.3 我踩过的坑和现在的习惯

早期我图快，把并发开到 500，结果本机网络先瘫了，扫描报告全是超时，白白跑了一晚上。后来固定「内网 100 并发、公网 30 并发」，再没出过这种事。另一个习惯是每次改规则先拿三个已知目标做回归，确认误报和漏报都没恶化再全量跑。这套 Django 漏洞扫描系统源码本身不复杂，值不值得投入，取决于你愿不愿意持续维护规则库——代码一周能跑通，规则却要长期打磨。希望帮到你。

本文还有配套的精品资源，点击获取