fn_registry/python/functions/pipelines/fingerprint_web_stack.md

name, kind, lang, domain, version, purity, signature, description, tags, uses_functions, uses_types, returns, returns_optional, error_type, imports, params, output, tested, tests, test_file_path, file_path

name	kind	lang	domain	version	purity	signature	description	tags	uses_functions	uses_types	returns	returns_optional	error_type	imports	params	output	tested	tests	test_file_path	file_path
fingerprint_web_stack	pipeline	py	pipelines	1.1.0	impure	def fingerprint_web_stack(url: str, timeout_s: float = 15.0, verify_tls: bool = True, max_html_bytes: int = 500_000, save: bool = True, use_cdp: bool = False, cdp_port: int = 9222, wait_render_s: float = 2.0) -> dict	One-shot que detecta la tecnologia web (stack tecnologico estilo Wappalyzer) de una URL: hace el fetch HTTP de las senales (fetch_http_fingerprint) y matchea las firmas (detect_web_tech), devolviendo las tecnologias detectadas — servidor, lenguaje, CMS, framework web, frameworks JS, librerias, analytics, CDN, e-commerce, WAF — con categoria, version y confidence. Reemplaza el patron fetch_http_fingerprint -> detect_web_tech por una sola llamada. El equivalente registry de Wappalyzer / whatweb / un fingerprint de stack de una url. Con use_cdp=True ademas analiza el HTML RENDERIZADO tras ejecutar JavaScript (fetch_http_fingerprint_cdp via Chrome remoto) para detectar SPAs (React/Vue/Angular/Next) que el fetch estatico no ve; si no hay Chrome degrada a estatico con un warning. Opcionalmente archiva la evidencia (tabla TECNOLOGIA/CATEGORIA/VERSION/CONFIDENCE) en OSINT. Util para reconocimiento web, auditoria de superficie y averiguar que CMS framework servidor usa un sitio, incluidas single-page applications.	recon web-recon pipelines cybersecurity fingerprint wappalyzer web-tech sink cdp spa render	fetch_http_fingerprint_py_cybersecurity detect_web_tech_py_cybersecurity save_scan_to_osint_py_cybersecurity fetch_http_fingerprint_cdp_py_browser			false	error_py_core		name desc url URL del sitio objetivo (ej. https://example.com). Sin esquema se asume https:// con fallback a http://, igual que fetch_http_fingerprint. name desc timeout_s Timeout de la peticion HTTP en segundos. Default 15.0. Se pasa tal cual a fetch_http_fingerprint. name desc verify_tls Si False, no verifica el certificado TLS (inseguro, solo para hosts propios con cert self-signed). Default True. Se pasa a fetch_http_fingerprint. name desc max_html_bytes Corta el HTML leido a este tamano para no descargar megas. Default 500_000 (500 KB). Se pasa a fetch_http_fingerprint. name desc save Si True (default) archiva la evidencia en OSINT via save_scan_to_osint con scan_type='web_tech' (target = host de la URL); si False solo ejecuta el fetch + matching y no toca el vault ni el service osint_db. Politica recon: todo scan se archiva. Si el sink falla, el resultado degrada sin romper (saved.status='error'). name desc use_cdp Si True, ademas del fetch estatico hace un fetch via Chrome DevTools Protocol (fetch_http_fingerprint_cdp) para analizar el HTML RENDERIZADO tras ejecutar JavaScript y detectar SPAs (React/Vue/Angular/Next) que el HTML inicial vacio no revela. Requiere un Chrome con remote debugging en cdp_port. Si el CDP no esta disponible, DEGRADA al HTML estatico con un warning (no falla). Default False (comportamiento estatico clasico, sin regresion). name desc cdp_port Puerto de remote debugging del Chrome a usar cuando use_cdp=True. Default 9222 (navegador diario, activado global — mezcla tu sesion personal). Para recon de terceros sin contaminar tu sesion, usar 9333 (Chrome aislado del browser_mcp). name desc wait_render_s Segundos de espera tras el load event para que la SPA pinte el DOM (solo aplica con use_cdp=True). Default 2.0. Subir (4.0-6.0) para SPAs lentas con mucho data-fetching; un valor corto puede dejar el HTML incompleto.	dict con status ('ok'|'error'), url, final_url (tras redirects), status_code (int), server (cabecera Server o ''), title (titulo de la pagina o ''), technologies (lista de dicts con name, category, version, confidence, evidence — tal cual de detect_web_tech), by_category (dict categoria -> lista de nombres), count (int), html_source ('static'|'cdp' — fuente del HTML analizado), rendered (bool, True si html_source=='cdp'), warnings (lista de avisos, p.ej. degradacion CDP->estatico; vacia si no hubo), saved (dict de save_scan_to_osint con note_path/registered/scan_id, o None si save=False) y raw (tabla legible TECNOLOGIA/CATEGORIA/VERSION/CONFIDENCE con cabecera de url/status/server/title/html_source). Si el fetch HTTP estatico falla y use_cdp=False (o ambos fallan) -> {status:error, stage:fetch, url:..., fetch:<dict>}. Nunca lanza.	true	test_golden_fingerprint_servidor_local_wordpress_nginx test_save_false_no_archiva_osint test_fetch_fallido_propaga_error_sin_red test_use_cdp_sin_chrome_degrada_a_estatico	python/functions/pipelines/fingerprint_web_stack_test.py	python/functions/pipelines/fingerprint_web_stack.py

Ejemplo

from pipelines.fingerprint_web_stack import fingerprint_web_stack

# Fingerprint del stack tecnologico de un sitio, en 1 paso (sin archivar).
r = fingerprint_web_stack("https://example.com", save=False)
print(r["status"])     # "ok"
print(r["server"])     # "nginx/1.24.0"
print(r["count"])      # 5
for t in r["technologies"]:
    print(t["name"], t["category"], t["version"], t["confidence"])
# WordPress cms 6.4 high
# nginx web-server 1.24.0 high
# PHP programming-language  medium
print(r["by_category"])  # {"cms": ["WordPress"], "web-server": ["nginx"], ...}

from pipelines.fingerprint_web_stack import fingerprint_web_stack

# Modo CDP: analiza el HTML RENDERIZADO tras el JS (detecta SPAs React/Vue/Angular).
# Requiere Chrome con remote debugging en cdp_port (9222 diario / 9333 aislado).
r = fingerprint_web_stack("https://react.dev/", use_cdp=True, cdp_port=9222, save=False)
print(r["status"])        # "ok"
print(r["html_source"])   # "cdp" si habia Chrome; "static" (con warning) si no
print(r["rendered"])      # True si se uso el HTML renderizado
print(r["warnings"])      # [] si CDP ok; ["cdp no disponible: ...; usando fetch estatico"] si degrado
for t in r["technologies"]:
    print(t["name"], t["category"])  # React javascript-framework, etc.

from pipelines.fingerprint_web_stack import fingerprint_web_stack

# Con archivado en OSINT (default): deja una nota en el vault + POST al osint_db.
r = fingerprint_web_stack("https://midominio.example")
print(r["saved"]["note_path"])  # dominios/midominio.example/recon/web_tech-....md

# Por CLI: detecta el stack de un sitio.
./fn run fingerprint_web_stack https://example.com
# Flags: --no-save (no archiva OSINT), --no-verify-tls (cert self-signed, inseguro).
./fn run fingerprint_web_stack https://example.com --no-save
# Modo CDP (HTML renderizado tras JS): --cdp [--cdp-port 9333].
./fn run fingerprint_web_stack https://react.dev/ --cdp --no-save

Cuando usarla

Cuando quieras en UN solo paso saber que tecnologia usa un sitio web (servidor, CMS, frameworks JS, lenguaje, analytics, CDN, WAF) — el equivalente registry de Wappalyzer. Reemplaza el patron fetch_http_fingerprint -> detect_web_tech (un fetch + un matching). Tipico para: reconocimiento web inicial de un objetivo, averiguar el CMS/framework de un sitio antes de un pentest autorizado, auditar la superficie tecnologica de tus propios dominios, o enriquecer una investigacion OSINT con el stack de un host.

Gotchas

• Fetch estatico (use_cdp=False): NO ejecuta JavaScript. Solo ve el HTML inicial que devuelve el servidor. Las SPAs que montan el framework (React/Vue/Angular/Svelte) en runtime suelen servir un HTML casi vacio, asi que esos frameworks pueden NO detectarse. Para sitios JS-pesados usa use_cdp=True (analiza el HTML renderizado tras el JS via Chrome remoto).
• use_cdp=True requiere Chrome con remote debugging escuchando en cdp_port: 9222 (navegador diario, activado global) o 9333 (Chrome aislado del browser_mcp). Si no hay Chrome, el pipeline NO falla: DEGRADA al HTML estatico, marca html_source="static" y rellena warnings con "cdp no disponible: ...; usando fetch estatico". Comprueba siempre result["warnings"] para saber si el CDP se aplico o si caiste al estatico.
• Con cdp_port=9222 se abre un tab en tu navegador PERSONAL (mezcla cookies e historial de tu sesion diaria). Para fingerprint de TERCEROS sin contaminar ni filtrar tu sesion, usa cdp_port=9333 (el Chrome aislado del browser_mcp).
• wait_render_s puede ser corto para SPAs lentas: el load event NO garantiza el DOM pintado. Si el html renderizado sale incompleto (faltan frameworks que deberian aparecer), sube wait_render_s a 4.0-6.0.
• CDP no expone headers ni status_code: con use_cdp=True, server, status_code y headers siguen viniendo del fetch estatico (que siempre se ejecuta); el CDP solo aporta el html renderizado y los nombres de cookie no-httponly.
• La tabla de firmas es un subconjunto de Wappalyzer, no exhaustiva. Un tecnologia no listada en detect_web_tech no aparecera aunque este presente. Para ampliar cobertura, anade entradas a SIGNATURES en detect_web_tech.
• verify_tls=False es inseguro: desactiva la verificacion del certificado (MITM posible). Usalo solo contra hosts propios con cert self-signed.
• Un WAF/anti-bot puede devolver un challenge (Cloudflare, Imperva...) en vez del sitio real: en ese caso las tecnologias detectadas seran las del WAF y el HTML del challenge, no las del sitio de fondo.
• save=True escribe en el vault OSINT (~/Obsidian/osint) y hace POST al service osint_db (http://127.0.0.1:8771). Si el service esta caido, save_scan_to_osint degrada a solo-nota (saved.registered=False con register_warning); el pipeline no falla por eso.
• Autorizacion legal: hacer fingerprint de hosts ajenos puede entrar en reconocimiento no autorizado. Respeta el scope y la autorizacion explicita; usalo sobre objetivos propios o consentidos.
• Pipeline impuro: hace red (fetch HTTP) y, con save=True, FS/HTTP (vault + service). No es determinista entre ejecuciones.
• Si el fetch HTTP falla del todo (status != "ok": host no resuelve, conexion rechazada, timeout), el pipeline devuelve {"status":"error","stage":"fetch",...} y no intenta matchear firmas ni archivar nada. Un 403/404/500 NO es fallo de fetch: sigue siendo senal de fingerprint y se procesa con su status_code.

Notas

Pipeline que compone 3 funciones atomicas del dominio cybersecurity. No reimplementa logica de fetch, matching de firmas ni persistencia: solo orquesta fetch_http_fingerprint (recoleccion de senales, impura) + detect_web_tech (matching de firmas, pura) y delega el guardado en save_scan_to_osint. El raw de evidencia incluye una cabecera con url/final_url/status_code/server/ title y una tabla TECNOLOGIA/CATEGORIA/VERSION/CONFIDENCE; nunca embebe el HTML entero ni valores de cookie (las cookies de fetch_http_fingerprint ya son solo nombres). El target para el archivado OSINT se deriva del host de la URL (urllib.parse.urlparse(...).hostname). Nunca lanza excepciones: todo fallo se refleja en la clave status del dict devuelto.

Capability growth log

• v1.1.0 (2026-06-14) — anade modo use_cdp: usa fetch_http_fingerprint_cdp para analizar el HTML renderizado tras JS y detectar SPAs (React/Vue/Angular) que el fetch estatico no ve; degrada a estatico si no hay Chrome.