Layer 2 网络邻居发现工具技术文档
2024-12-26 08:39:08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
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
 
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
271
2.56 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
222
302
Ascend Extension for PyTorch
Python
103
130
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
597
157
暂无简介
Dart
561
125
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
224
14
🎉 (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
1.03 K
606
仓颉编译器源码及 cjdb 调试工具。
C++
118
95
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
443