Layer 2 网络邻居发现工具技术文档
2024-12-26 11:34:16作者:仰钰奇
1. 安装指南
1.1 环境要求
在开始安装之前,请确保您的系统满足以下要求:
- Python 2.7 或 3.4 及以上版本
- Scapy 库,用于网络功能,如 ARP ping
1.2 安装步骤
您可以通过以下两种方式安装项目依赖:
1.2.1 使用包管理器安装 Scapy
如果您已经安装了包管理器(如 apt、yum 或 brew),可以直接使用包管理器安装 Scapy:
$ sudo apt-get install python-scapy # 对于 Debian/Ubuntu 系统
$ sudo yum install scapy # 对于 CentOS/RHEL 系统
$ brew install scapy # 对于 macOS 系统
1.2.2 使用虚拟环境安装
推荐使用虚拟环境来隔离项目依赖,避免与系统全局 Python 环境冲突。以下是使用虚拟环境的安装步骤:
$ virtualenv virtualenv # 创建虚拟环境
$ source virtualenv/bin/activate # 激活虚拟环境
$ pip install -r requirements.txt # 安装项目依赖
2. 项目的使用说明
2.1 基本用法
项目提供了一个命令行工具 neighbourhood.py,用于发现本地网络中的主机。使用以下命令运行工具:
$ sudo ./neighbourhood.py [-i <interface>]
其中,-i 参数用于指定网络接口(如 eth0 或 wlan0)。如果不指定接口,工具将使用默认的网络接口。
2.2 输出结果
工具运行后,将输出本地网络中所有活动主机的 IP 地址和 MAC 地址。例如:
192.168.1.1 - 00:11:22:33:44:55
192.168.1.2 - 66:77:88:99:AA:BB
3. 项目 API 使用文档
3.1 核心功能
项目的核心功能是通过 ARP ping 发现本地网络中的主机。以下是主要功能的 API 说明:
3.1.1 discover_hosts(interface=None)
- 功能: 发现指定网络接口上的所有活动主机。
- 参数:
interface: 字符串类型,指定网络接口。如果为None,则使用默认接口。
- 返回值: 返回一个字典,键为 IP 地址,值为 MAC 地址。
3.1.2 arp_ping(ip, interface=None)
- 功能: 向指定 IP 地址发送 ARP ping。
- 参数:
ip: 字符串类型,目标 IP 地址。interface: 字符串类型,指定网络接口。如果为None,则使用默认接口。
- 返回值: 如果目标主机响应,则返回其 MAC 地址;否则返回
None。
3.2 示例代码
以下是一个使用项目 API 的示例代码:
from neighbourhood import discover_hosts, arp_ping
# 发现所有活动主机
hosts = discover_hosts(interface='eth0')
for ip, mac in hosts.items():
print(f"{ip} - {mac}")
# 向特定 IP 发送 ARP ping
mac_address = arp_ping('192.168.1.1', interface='eth0')
if mac_address:
print(f"Host is alive: {mac_address}")
else:
print("Host is not responding")
4. 项目安装方式
4.1 从源码安装
您可以通过以下步骤从源码安装项目:
- 克隆项目仓库:
$ git clone https://github.com/your-repo/neighbourhood.git $ cd neighbourhood - 创建并激活虚拟环境:
$ virtualenv virtualenv $ source virtualenv/bin/activate - 安装项目依赖:
$ pip install -r requirements.txt
4.2 使用 pip 安装
如果项目已经发布到 PyPI,您可以直接使用 pip 安装:
$ pip install neighbourhood
结语
本文档详细介绍了 Layer 2 网络邻居发现工具的安装、使用和 API 文档。通过本文档,您可以快速上手并使用该工具来发现本地网络中的活动主机。如果您有任何问题或建议,欢迎反馈。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
799
198
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
openEuler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。
C
349
200
Ascend Extension for PyTorch
Python
377
450
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1