以编程方式读取firefox缓存

Question

我对如何精心阅读firefox缓存，搜索主机与正则表达式模式匹配的图像URL的想法是检索〜/ .cache / mozilla / firefox / [] / cache2下的所有缓存文件内容，然后只过滤包含图像URL的行。

以下是缓存文件的示例：

  

.2.U.2。; ... V .... 57 00000380：0000 513a 6874 7470 3a2f 2f77 7777 2e74   ..Q：http://www.t 58 00000390：6563 686e 6970 6167 6573 2e63 6f6d 2f77   echnipages.com/w 59 000003a0：702d 636f 6e74 656e 742f 706c 7567 696e   p-content / plugin 60 000003b0：732f 7961 7369 702f 696d 6167 6573 2f64   s / yasip / images / d 61 000003c0：6566 6175 6c74 2f72 7373 5f33 3278 3332   efault / rss_32x32 62 000003d0：2e70 6e67 006e 6563 6b6f 3a63 6c61 7373   .png.necko：class 63 000003e0：6966 6965 6400 3100 7265 7175 6573 742d

因为这些缓存文件似乎是二进制文件，所以我会设置一个指针/任何内容到＆＃39; h＆＃39;只要下一个字母的十六进制值为00，就可以读取http，并在ascii表中显示为＆＃39; \ 0＆＃39;。

为了防止发表意见，我将这些网址写入文件，每次找到新网址时，我都会先检查该文件的所有条目，以查看该网址是否已存在。

这是最简单的方法，还是我在这里遗漏了什么？我不想使用其他应用/扩展来完成此任务。

由于

Answer 1

以下内容应该大致与您要实现的目标相同：

import glob, re

cache_folder = r"~/.cache/mozilla/firefox/[]/cache2\*"
urls = set()

for cache_filename in glob.glob(cache_folder):
    with open(cache_filename, 'rb') as file_cache:
        data = file_cache.read()
        urls |= set(re.findall("(http.*?)\x00", data))

for url in urls:
    print url

这将读取缓存文件夹中找到的每个文件，并获取每个文件中的所有URL列表。然后，它会将所有这些匹配的URL存储到set中，以避免重复。然后显示设置条目。

您还可以考虑研究这些文件的格式。