NetfilterQueue 项目技术文档
1. 安装指南
在开始使用 NetfilterQueue 之前,请确保您的系统已经安装以下依赖项:
- C 编译器
- Python 开发文件
- Libnetfilter_queue 开发文件及相关依赖
在 Debian 或 Ubuntu 系统上,您可以通过以下命令安装这些依赖项:
apt-get install build-essential python3-dev libnetfilter-queue-dev
从 PyPI 安装
使用 pip 从 PyPI 安装 NetfilterQueue:
pip install NetfilterQueue
从源代码安装
从源代码安装 NetfilterQueue,请按照以下步骤操作:
pip install cython
git clone https://github.com/oremanj/python-netfilterqueue
cd python-netfilterqueue
pip install .
2. 项目的使用说明
NetfilterQueue 模块为用户提供了一个访问由 iptables 规则匹配的包的接口。这些包可以被接受、丢弃、修改、重排或标记。
以下是一个简单的示例脚本,它会在接受每个包之前打印出简短的描述:
from netfilterqueue import NetfilterQueue
def print_and_accept(pkt):
print(pkt)
pkt.accept()
nfqueue = NetfilterQueue()
nfqueue.bind(1, print_and_accept)
try:
nfqueue.run()
except KeyboardInterrupt:
print('')
nfqueue.unbind()
要使脚本能够处理您的局域网中的包,请在终端中运行以下命令:
iptables -I INPUT -d 192.168.0.0/24 -j NFQUEUE --queue-num 1
3. 项目 API 使用文档
NetfilterQueue 提供了以下 API 供用户使用:
-
NetfilterQueue.COPY_NONE,NetfilterQueue.COPY_META,NetfilterQueue.COPY_PACKET:这些常量指定了应该将包的多少内容传递给脚本:无内容、元数据或整个包。 -
NetfilterQueue.bind(queue_num, callback, max_len=1024, mode=COPY_PACKET, range=65535, sock_len=...):创建并绑定队列。 -
NetfilterQueue.unbind():移除队列。 -
NetfilterQueue.get_fd():获取用于接收队列包的套接字的文件描述符。 -
NetfilterQueue.run(block=True):将包发送到回调函数。默认情况下,此方法会阻塞,直到抛出异常(例如通过 Ctrl+C)。设置block=False可以在不等待更多消息的情况下处理挂起的消息。 -
NetfilterQueue.run_socket(socket):发送包到回调函数,但使用提供的套接字而不是 recv,以便例如 gevent 可以对其进行 monkeypatch。
更多关于 Packet 对象和 Callback 对象的 API 文档,请参考项目 Wiki 或源代码中的注释。
4. 项目安装方式
NetfilterQueue 支持两种安装方式:
- 从 PyPI 安装:使用 pip 命令直接安装。
- 从源代码安装:首先安装 cython,然后克隆项目仓库,进入目录并执行 pip 安装命令。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0127
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00