中国运营商IPv4/IPv6地址库项目使用教程
2026-02-06 04:53:30作者:仰钰奇
项目概述
中国运营商IPv4/IPv6地址库是一个基于BGP数据分析的开源项目,提供准确的中国各运营商IP地址分类数据。该项目通过分析BGP路由数据,生成各运营商的CIDR格式IP地址列表,每日自动更新。
项目结构
项目主要包含以下文件和目录:
china-operator-ip/
├── operator/ # 运营商配置文件目录
│ ├── cernet.conf # 教育网配置文件
│ ├── china.conf # 中国所有运营商配置文件
│ ├── chinanet.conf # 中国电信配置文件
│ ├── cmcc.conf # 中国移动配置文件
│ ├── cstnet.conf # 科技网配置文件
│ ├── drpeng.conf # 鹏博士配置文件
│ ├── googlecn.conf # 谷歌中国配置文件
│ ├── tietong.conf # 中国铁通配置文件
│ └── unicom.conf # 中国联通配置文件
├── generate.sh # 生成IP列表脚本
├── stat.sh # 统计IP数量脚本
├── common.sh # 公共函数脚本
├── dependency.sh # 依赖安装脚本
├── guard.sh # 守护脚本
├── upload.sh # 上传脚本
├── LICENSE # MIT许可证
└── README.md # 项目说明文档
支持的运营商
项目支持以下中国网络运营商的IP地址分类:
- 中国电信 (chinanet) - 主要电信运营商
- 中国移动 (cmcc) - 主要移动运营商
- 中国联通 (unicom) - 主要联通运营商
- 教育网 (cernet) - 中国教育和科研计算机网
- 科技网 (cstnet) - 中国科技网
- 鹏博士 (drpeng) - 鹏博士集团(试验阶段)
- 谷歌中国 (googlecn) - 谷歌中国(试验阶段)
获取数据
方法一:使用预生成数据
预生成的IP列表数据保存在项目的ip-lists分支中,可以通过以下命令获取:
git clone -b ip-lists https://gitcode.com/gh_mirrors/ch/china-operator-ip.git
方法二:自行生成数据
如果需要从原始BGP数据生成IP列表,需要先安装必要的依赖:
# 安装bgptools
cargo install bgptools --version 0.0.3
# 安装bgpdump
apt install bgpdump
# 安装cidr-merger
go get github.com/zhanhb/cidr-merger
安装依赖后,运行生成脚本:
./generate.sh
该脚本会:
- 下载最新的BGP数据
- 解析各运营商的ASN号码
- 生成IPv4和IPv6地址列表
- 保存到result目录
配置文件说明
每个运营商都有对应的配置文件,位于operator目录下。配置文件格式如下:
# chinanet.conf 示例
PATTERN='(china ?telecom|chinanet|AS4847 )'
COUNTRY='CN'
PATTERN: 用于匹配运营商名称的正则表达式COUNTRY: 国家代码,通常为CN(中国)
使用示例
生成IP列表
# 生成所有运营商的IP列表
./generate.sh
运行后会在result目录生成各运营商的txt文件:
chinanet.txt- 中国电信IPv4地址chinanet6.txt- 中国电信IPv6地址cmcc.txt- 中国移动IPv4地址cmcc6.txt- 中国移动IPv6地址- 其他运营商类似
统计IP数量
# 统计各运营商的IP地址数量
./stat.sh
统计结果会显示每个运营商的IP地址段数量,便于了解数据覆盖情况。
应用场景
该IP地址库可用于:
- 网络路由优化 - 根据运营商选择最佳路由路径
- DNS分域解析 - 为不同运营商用户提供最优解析
- 流量调度 - 实现智能流量分发
- 网络安全 - 运营商级别的访问控制
- 网络分析 - 运营商网络拓扑研究
技术原理
项目基于BGP(边界网关协议)数据分析,BGP是互联网的基础路由协议。通过分析全球BGP路由表,可以准确识别每个IP地址所属的自治系统(AS),进而确定其运营商归属。
相比传统的WHOIS数据,BGP数据更能反映IP地址的实际使用情况,准确性更高。
注意事项
- 铁通网络已并入中国移动,相关数据即将废弃
- 鹏博士和谷歌中国数据处于试验阶段,准确性有待验证
- 项目依赖外部BGP数据源,生成过程需要网络连接
- 生成的IP列表为CIDR格式,便于直接用于路由配置
通过本项目提供的IP地址库,开发者可以方便地获取中国各运营商的准确IP地址信息,为网络应用开发提供数据支持。
登录后查看全文
热门项目推荐
相关项目推荐
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
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
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
199
🎉 (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
780
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