本篇文章给大家带来的内容是关于如何调用python-nmap来实现扫描局域网存活主机(代码),有一定的参考价值,有需要的朋友可以参考一下,希望对你有所帮助。
使用环境:Raspberry 3b+ +netifaces+python-nmap+nmap
调用netifaces自动获取ip地址:
def get_gateways(): return netifaces.gateways()['default'][netifaces.AF_INET][0]
将ip地址生成一个网段中所有ip地址的列表:
def get_ip_lists(ip): ip_lists = [] for i in range(1, 256): ip_lists.append('{}{}'.format(ip[:-1], i)) return ip_lists
主要实现代码及数据分割:
def main(ip=None): ip=get_gateways() ip_lists=get_ip_lists(ip) nmScan,temp_ip_lists,hosts = nmap.PortScanner(),[],ip[:-1]+'0/24' ret = nmScan.scan(hosts=hosts, arguments='-sP') print('扫描时间:'+ret['nmap']['scanstats']['timestr']+'\n命令参数:'+ret['nmap']['command_line']) for ip in ip_lists: print('ip地址:'+ip+':') if ip not in ret['scan']: temp_ip_lists.append(ip) print('扫描超时') else:print('已扫描到主机,主机名:'+ret['scan'][ip]['hostnames'][0]['name']) print(str(hosts) +' 网络中的存活主机:') for ip in temp_ip_lists:ip_lists.remove(ip) for ip in ip_lists:print(ip)
完整代码:
#!/usr/bin/python #_*_ coding:utf8 _*_ import netifaces,nmap def get_gateways(): return netifaces.gateways()['default'][netifaces.AF_INET][0] def get_ip_lists(ip): ip_lists = [] for i in range(1, 256): ip_lists.append('{}{}'.format(ip[:-1], i)) return ip_lists def main(ip=None): ip=get_gateways() ip_lists=get_ip_lists(ip) nmScan,temp_ip_lists,hosts = nmap.PortScanner(),[],ip[:-1]+'0/24' ret = nmScan.scan(hosts=hosts, arguments='-sP') print('扫描时间:'+ret['nmap']['scanstats']['timestr']+'\n命令参数:'+ret['nmap']['command_line']) for ip in ip_lists: print('ip地址:'+ip+':') if ip not in ret['scan']: temp_ip_lists.append(ip) print('扫描超时') else:print('已扫描到主机,主机名:'+ret['scan'][ip]['hostnames'][0]['name']) print(str(hosts) +' 网络中的存活主机:') for ip in temp_ip_lists:ip_lists.remove(ip) for ip in ip_lists:print(ip) if __name__ == '__main__': main()
实验截图:
以上是如何调用python-nmap来实现扫描局域网存活主机(代码)的详细内容。更多信息请关注PHP中文网其他相关文章!

Python更易学且易用,C 则更强大但复杂。1.Python语法简洁,适合初学者,动态类型和自动内存管理使其易用,但可能导致运行时错误。2.C 提供低级控制和高级特性,适合高性能应用,但学习门槛高,需手动管理内存和类型安全。

Python和C 在内存管理和控制方面的差异显着。 1.Python使用自动内存管理,基于引用计数和垃圾回收,简化了程序员的工作。 2.C 则要求手动管理内存,提供更多控制权但增加了复杂性和出错风险。选择哪种语言应基于项目需求和团队技术栈。

Python在科学计算中的应用包括数据分析、机器学习、数值模拟和可视化。1.Numpy提供高效的多维数组和数学函数。2.SciPy扩展Numpy功能,提供优化和线性代数工具。3.Pandas用于数据处理和分析。4.Matplotlib用于生成各种图表和可视化结果。

选择Python还是C 取决于项目需求:1)Python适合快速开发、数据科学和脚本编写,因其简洁语法和丰富库;2)C 适用于需要高性能和底层控制的场景,如系统编程和游戏开发,因其编译型和手动内存管理。

Python在数据科学和机器学习中的应用广泛,主要依赖于其简洁性和强大的库生态系统。1)Pandas用于数据处理和分析,2)Numpy提供高效的数值计算,3)Scikit-learn用于机器学习模型构建和优化,这些库让Python成为数据科学和机器学习的理想工具。

每天学习Python两个小时是否足够?这取决于你的目标和学习方法。1)制定清晰的学习计划,2)选择合适的学习资源和方法,3)动手实践和复习巩固,可以在这段时间内逐步掌握Python的基本知识和高级功能。

Python在Web开发中的关键应用包括使用Django和Flask框架、API开发、数据分析与可视化、机器学习与AI、以及性能优化。1.Django和Flask框架:Django适合快速开发复杂应用,Flask适用于小型或高度自定义项目。2.API开发:使用Flask或DjangoRESTFramework构建RESTfulAPI。3.数据分析与可视化:利用Python处理数据并通过Web界面展示。4.机器学习与AI:Python用于构建智能Web应用。5.性能优化:通过异步编程、缓存和代码优

Python在开发效率上优于C ,但C 在执行性能上更高。1.Python的简洁语法和丰富库提高开发效率。2.C 的编译型特性和硬件控制提升执行性能。选择时需根据项目需求权衡开发速度与执行效率。


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

螳螂BT
Mantis是一个易于部署的基于Web的缺陷跟踪工具,用于帮助产品缺陷跟踪。它需要PHP、MySQL和一个Web服务器。请查看我们的演示和托管服务。

PhpStorm Mac 版本
最新(2018.2.1 )专业的PHP集成开发工具

Dreamweaver CS6
视觉化网页开发工具

SecLists
SecLists是最终安全测试人员的伙伴。它是一个包含各种类型列表的集合,这些列表在安全评估过程中经常使用,都在一个地方。SecLists通过方便地提供安全测试人员可能需要的所有列表,帮助提高安全测试的效率和生产力。列表类型包括用户名、密码、URL、模糊测试有效载荷、敏感数据模式、Web shell等等。测试人员只需将此存储库拉到新的测试机上,他就可以访问到所需的每种类型的列表。

SublimeText3汉化版
中文版,非常好用