


Comment utiliser Python pour détecter l'IP utilisée et l'IP inutilisée d'un certain segment de réseau
J'ai appris des blogs de mes prédécesseurs et j'ai ensuite ajouté beaucoup de choses moi-même.
Le module de sous-processus est utilisé
>>> importer le sous-processus
>>> =subprocess.PIPE,stdout=subprocess.PIPE,stderr=subprocess.PIPE,shell=True)
#Obtenir le code de retour du résultat de l'exécution de la commande via la fonction wait()
>>> p.wait()
0
#Obtenir le résultat de la commande (sortie standard) via la méthode read()
> > 95M 0 495M 0% /dev/shmn'
# Obtenez le résultat de la sortie d'erreur de commande via la méthode read()
>>> () Est vide, ce qui indique qu'il n'y a pas de sortie d'erreur
#Get sortie d'erreur
à 0x7f267528dbd0> > ;>> p = subprocess.Popen('ls /etc/password',stdin=subprocess.PIPE,stdout=subprocess.PIPE,stderr=subprocess.PIPE,shell=True,close_fds=True) >> > p.stderr.read()'ls : impossible d'accéder à /etc/password : aucun fichier ou répertoire de ce type @D'autres moyens d'obtenir une sortie d'erreur sont : read() , (), readlines(), close(), write() et writelines(), etc. #!/usr/bin/env # par lijiajunimport re,subprocess,os,sys net_region ='192.168.3' ("############################ #### #####################") print("#Ce script est principalement basé sur le ping, testant l'IP utilisée et l'adresse IP inutilisée d'un certain segment de réseau Utilisez l'adresse IP #") print("#Enregistrez-le dans /tmp/alive_ip.txt #")print("#and/tmp/ dead_ip.txt #") print("################################# ##### ###############") print(" ") os.path .isfile("/ tmp/alive_ip.txt") : os.popen("mv /tmp/alive_ip.txt /tmp/alive_ip.txt.old") print "vous peut voir l'adresse IP utilisée dans ce fichier : /tmp/alive_ip.txt"if os.path.isfile("/tmp/dead_ip.txt") : os.popen(" mv /tmp/dead_ip .txt /tmp/dead_ip.txt.old") print "vous pouvez voir l'ip inutilisée dans ce fichier : /tmp/dead_ip.txt" print( " ") dead_ip=0 alive_ip=0 def check_alive(ip, , out) : global Alive_ip global Dead_ip cmd='ping -c %d -w %d %s' % (count,timeout,ip) p=sous-processus. Popen(cmd, stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE, shell=True) result=p.stdout.read() regx=re.findall('100% packet loss',result) if len( regx)==0 : print(" check_alive(ip,1,1) print (" ") print "final le nombre d'ips morts est %d" % dead_ip imprimer "le nombre final d'ips vivants est %d" % vivants_ip Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Solution aux problèmes d'autorisation Lors de la visualisation de la version Python dans Linux Terminal Lorsque vous essayez d'afficher la version Python dans Linux Terminal, entrez Python ...

Cet article explique comment utiliser la belle soupe, une bibliothèque Python, pour analyser HTML. Il détaille des méthodes courantes comme find (), find_all (), select () et get_text () pour l'extraction des données, la gestion de diverses structures et erreurs HTML et alternatives (Sel

Le module statistique de Python fournit de puissantes capacités d'analyse statistique de données pour nous aider à comprendre rapidement les caractéristiques globales des données, telles que la biostatistique et l'analyse commerciale. Au lieu de regarder les points de données un par un, regardez simplement des statistiques telles que la moyenne ou la variance pour découvrir les tendances et les fonctionnalités des données d'origine qui peuvent être ignorées et comparer les grands ensembles de données plus facilement et efficacement. Ce tutoriel expliquera comment calculer la moyenne et mesurer le degré de dispersion de l'ensemble de données. Sauf indication contraire, toutes les fonctions de ce module prennent en charge le calcul de la fonction moyenne () au lieu de simplement additionner la moyenne. Les nombres de points flottants peuvent également être utilisés. Importer au hasard Statistiques d'importation de fracTI

Cet article compare TensorFlow et Pytorch pour l'apprentissage en profondeur. Il détaille les étapes impliquées: préparation des données, construction de modèles, formation, évaluation et déploiement. Différences clés entre les cadres, en particulier en ce qui concerne le raisin informatique

L'article traite des bibliothèques Python populaires comme Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask et Demandes, détaillant leurs utilisations dans le calcul scientifique, l'analyse des données, la visualisation, l'apprentissage automatique, le développement Web et H et H

Cet article guide les développeurs Python sur la construction d'interfaces de ligne de commande (CLI). Il détaille à l'aide de bibliothèques comme Typer, Click et Argparse, mettant l'accent sur la gestion des entrées / sorties et promouvant des modèles de conception conviviaux pour une meilleure convivialité par la CLI.

Lorsque vous utilisez la bibliothèque Pandas de Python, comment copier des colonnes entières entre deux frames de données avec différentes structures est un problème courant. Supposons que nous ayons deux dats ...

L'article traite du rôle des environnements virtuels dans Python, en se concentrant sur la gestion des dépendances du projet et l'évitement des conflits. Il détaille leur création, leur activation et leurs avantages pour améliorer la gestion de projet et réduire les problèmes de dépendance.
