用python编写nmap扫描工具--多线程版

简介: 前面学过了python中多线程的使用,也学了通过socket模块,去扫描服务器某个端口是否有开放。服务器的端口范围为0~65535,如果要针对所有的端口都进行扫描的话,耗时较长。假设每一个端口扫描的超时时长设置为0.5s,那么扫描完所有端口需要的时间为:65535*0.5≈9h 。因此,扫描的脚本需要进行优化,可以考虑使用多线程的方式去执行。

前置条件:

用Python代码编写一个简单的nmap扫描工具

Python中多线程的基本操作

前面学过了python中多线程的使用,也学了通过socket模块,去扫描服务器某个端口是否有开放。服务器的端口范围为0~65535,如果要针对所有的端口都进行扫描的话,耗时较长。假设每一个端口扫描的超时时长设置为0.5s,那么扫描完所有端口需要的时间为:65535*0.5≈9h 。因此,扫描的脚本需要进行优化,可以考虑使用多线程的方式去执行。

优化前的脚本:

def scan_port(host,port):
    sk = socket.socket()
    sk.settimeout(0.5)
    conn_result = sk.connect_ex((host, port))
    if conn_result == 0:
        print(f'服务器{host}的{port}端口已开放')
    sk.close()

加入多线程之后的脚本:

import socket
import threading
import time
def scan_port(host,port):
    sk = socket.socket()
    sk.settimeout(0.5)
    conn_result = sk.connect_ex((host, port))
    if conn_result == 0:
        print(f'服务器{host}的{port}端口已开放')
    sk.close()
# 8.129.162.225
start_time = time.time()
host = input('请输入服务器ip地址:')
thread_list = []
for port in range(0, 65536):
    t = threading.Thread(target=scan_port, args=(host, port))
    thread_list.append(t)
for thread in thread_list:
    thread.start()
for thread in thread_list:
    thread.join()
end_time = time.time()
print(f'耗时:{end_time-start_time}')

脚本优化效果:

1、扫描本地开放端口,大概十多秒可以完成


脚本存在的问题:

1、脚本中批量一次创建65536个线程,部分电脑不一定能扛得住

2、扫描出的结果不准确,尤其是在扫描远程服务器的时候,效果更明显,更容易看出问题


学习交流或者文章催更,可加微信xiaobotester,添加的时候注明来意。


相关文章
|
4天前
|
存储 NoSQL 数据库连接
在Python程序中实现LevelDB的海量key的分批次扫描
通过本文的步骤,您可以在Python程序中实现对LevelDB海量key的分批次扫描。这样不仅能够有效地管理大规模数据,还可以避免一次性加载过多数据到内存中,提高程序的性能和稳定性。希望这篇指南能为您的开发工作提供实用的帮助。
43 28
|
2天前
|
存储 算法 Serverless
剖析文件共享工具背后的Python哈希表算法奥秘
在数字化时代,文件共享工具不可或缺。哈希表算法通过将文件名或哈希值映射到存储位置,实现快速检索与高效管理。Python中的哈希表可用于创建简易文件索引,支持快速插入和查找文件路径。哈希表不仅提升了文件定位速度,还优化了存储管理和多节点数据一致性,确保文件共享工具高效运行,满足多用户并发需求,推动文件共享领域向更高效、便捷的方向发展。
|
1月前
|
数据可视化 编译器 Python
Manim:数学可视化的强大工具 | python小知识
Manim(Manim Community Edition)是由3Blue1Brown的Grant Sanderson开发的数学动画引擎,专为数学和科学可视化设计。它结合了Python的灵活性与LaTeX的精确性,支持多领域的内容展示,能生成清晰、精确的数学动画,广泛应用于教育视频制作。安装简单,入门容易,适合教育工作者和编程爱好者使用。
274 7
|
2月前
|
数据采集 存储 数据处理
Python中的多线程编程及其在数据处理中的应用
本文深入探讨了Python中多线程编程的概念、原理和实现方法,并详细介绍了其在数据处理领域的应用。通过对比单线程与多线程的性能差异,展示了多线程编程在提升程序运行效率方面的显著优势。文章还提供了实际案例,帮助读者更好地理解和掌握多线程编程技术。
|
2月前
|
JavaScript 前端开发 开发者
探索 DrissionPage: 强大的Python网页自动化工具
DrissionPage 是一个基于 Python 的网页自动化工具,结合了浏览器自动化的便利性和 requests 库的高效率。它提供三种页面对象:ChromiumPage、WebPage 和 SessionPage,分别适用于不同的使用场景,帮助开发者高效完成网页自动化任务。
221 4
|
2月前
|
开发者 Python
探索Python中的列表推导式:简洁而强大的工具
【10月更文挑战第41天】 在编程的世界中,效率与简洁是永恒的追求。本文将深入探讨Python编程语言中一个独特且强大的特性——列表推导式(List Comprehension)。我们将通过实际代码示例,展示如何利用这一工具简化代码、提升性能,并解决常见编程问题。无论你是初学者还是资深开发者,掌握列表推导式都将使你的Python之旅更加顺畅。
|
2月前
|
并行计算 数据处理 调度
Python中的并发编程:探索多线程与多进程的奥秘####
本文深入探讨了Python中并发编程的两种主要方式——多线程与多进程,通过对比分析它们的工作原理、适用场景及性能差异,揭示了在不同应用需求下如何合理选择并发模型。文章首先简述了并发编程的基本概念,随后详细阐述了Python中多线程与多进程的实现机制,包括GIL(全局解释器锁)对多线程的影响以及多进程的独立内存空间特性。最后,通过实例演示了如何在Python项目中有效利用多线程和多进程提升程序性能。 ####
|
2月前
|
安全 程序员 API
|
2月前
|
监控 JavaScript 前端开发
python中的线程和进程(一文带你了解)
欢迎来到瑞雨溪的博客,这里是一位热爱JavaScript和Vue的大一学生分享技术心得的地方。如果你从我的文章中有所收获,欢迎关注我,我将持续更新更多优质内容,你的支持是我前进的动力!🎉🎉🎉
30 0
|
2月前
|
数据采集 Java Python
爬取小说资源的Python实践:从单线程到多线程的效率飞跃
本文介绍了一种使用Python从笔趣阁网站爬取小说内容的方法,并通过引入多线程技术大幅提高了下载效率。文章首先概述了环境准备,包括所需安装的库,然后详细描述了爬虫程序的设计与实现过程,包括发送HTTP请求、解析HTML文档、提取章节链接及多线程下载等步骤。最后,强调了性能优化的重要性,并提醒读者遵守相关法律法规。
74 0