网站信息收集，网站说白了就是信息搞清楚一个网站到底由什么构成。这事儿没太多玄学，收集但确实有讲究。网站

我见过太多人上来就扫目录、信息跑漏洞，收集结果扫了半天连目标用的网站是什么CMS都不知道。这就像你还没看清一个人长什么样，信息就急着搜他口袋里的收集钥匙——方向错了，越努力越尴尬。网站

第一步永远是信息看页面本身。打开网站，收集右键查看源代码，网站这动作听着老土，信息但每次都能有新发现。收集你注意看HTML注释，很多开发者会把内部IP、测试账号、甚至数据库密码留在里面。我去年帮朋友排查一个站点，就在注释里发现了后台管理员的用户名，后缀是“_admin”，连遮掩都懒得做。

再往下，看响应头。Server字段告诉你Web服务器类型，X-Powered-By暴露了PHP版本或ASP.NET框架。这些信息单个看没什么，但组合起来就能推断出系统的大致技术栈。比如看到nginx 1.18 + PHP 7.4，基本能猜到是个小团队维护的Linux服务器，运维水平可能一般，后续测试就多了几分把握。

然后才是域名和子域名的收集。别只盯着主域名，子域名才是宝藏。用搜索引擎的site语法，或者直接查证书透明度日志——crt.sh这个网站免费又好用，输入域名就能拉出所有历史SSL证书，很多被遗忘的开发环境、测试系统就这么暴露了。我见过一家公司的内部会议系统挂在子域名下，连登录页都没做访问限制，密码还是默认的admin/admin。

目录扫描得放在后面做，而且要带着目的去扫。别用默认字典乱撞，先分析网站功能，猜猜它可能有哪些路径。如果是个电商站，那/admin、/api、/backup这些路径就值得重点关照。如果是个博客，那/wp-admin或/administrator才是关键。工具是死的，思路是活的。

最后别忘了看robots.txt和sitemap.xml。robots.txt里经常写着开发者不想被搜索引擎收录的敏感路径，虽然正经人不会把秘密直接放那儿，但总有人图省事。sitemap.xml则能帮你快速了解网站结构，省去手动爬取的功夫。

整套流程走下来，你对一个网站的认知应该从“一个网址”变成“一套有具体技术、有真实人员、有潜在弱点的系统”。收集信息不是为了炫技，是为了让后续的每一步都踩在实地上。盲目的扫描只会让你淹没在噪音里，而精准的信息收集，才能让你在攻击面展开之前，就已经画出了那张最关键的地图。