批量修改网络配置,还得让Python来!

简介: 批量修改网络配置,还得让Python来!


一、实验环境搭建


1、按照下图,在ensp模拟器上搭建环境,为了演示批量修改设备,龙哥这里实验4台路由器,当然了,如果你电脑性能足够牛逼,你也可以多用几台路由器咯!然后标注好IP地址。




2、物理电脑(即我台式电脑)与ensp做好桥接:




3、给每台路由器做好初始化配置,即配置修改设备默认名称、配置管理IP地址、配置SSH及登录用户名和密码。


以R2为例(小白,其他设备参考R2配置),修改设备名、配置IP地址:

[Huawei]SYSR2 [R2] [R2]intg0/0/0 [R2-GigabitEthernet0/0/0]ipadd192.168.56.2024 [R2-GigabitEthernet0/0/0] [R2-GigabitEthernet0/0/0]qu [R2]




以R2为例,配置SSH,其他设备参考如下即可:

[R2]rsalocal-key-paircreate Thekeynamewillbe:Host %RSAkeysdefinedforHostalreadyexist. Confirmtoreplacethem?(y/n)[n]:y Therangeofpublickeysizeis(512~2048). NOTES:Ifthekeymodulusisgreaterthan512, Itwilltakeafewminutes. Inputthebitsinthemodulus[default=512]:2048 Generatingkeys... .......+++ ..............+++ .....++++++++ ...............++++++++ [R2]user-interfacevty04 [R2-ui-vty0-4]authentication-modeaaa [R2-ui-vty0-4]protocolinboundssh [R2]aaa [R2-aaa]local-useralongpasswordcipheralong123 [R2-aaa]local-useralongprivilegelevel15 [R2-aaa]local-useralongservice-typessh [R2-aaa]sshuseralongauthentication-typepassword [R2] [R2]stelnetserverenable [R2]



上述配置完,建议用secureCRT先登录一下各个设备,验证网络连通性、ssh连通性是否ok?


这里以R1为例,验证一下。测试时,你们可以每台都验证一下。





这样验证的好处,假如待会我们写的python脚本如果有问题,那跟网络、ssh配置就没关了,便于后续排错就对啦!


二、准备好批量IP清单


1、这里我先创建4台路由器管理ip的清单,用txt创建:



2、注意!注意!注意!这个ip清单需要放到跟你待会创建的python脚本同一个目录下,比如我待会创建一个名为router-lab.py的python脚本:




三、编写python脚本


importparamiko importtime fromgetpassimportgetpass user=input('Username:') pw=getpass('password:') f=open("ip-list.txt","r") forlineinf.readlines(): ip=line.strip() ssh=paramiko.SSHClient() ssh.set_missing_host_key_policy(paramiko.AutoAddPolicy()) ssh.connect(hostname=ip,username=user,password=pw) print("恭喜您成功登录ensp的路由器!",ip) command=ssh.invoke_shell() command.send("system\n") command.send("vlan20\n") command.send("quit\n") command.send("ospf\n") command.send("area0\n") command.send("net192.168.56.00.0.0.255\n") command.send("quit\n") time.sleep(2) output=command.recv(65535) print(output.decode("ascii")) ssh.close()



注意:python写for循环时,一定要注意缩进格式。


代码解释:

f = open("ip-list.txt","r")

答:定义一个f文件对象,r表示,用只读形式,打开ip-list.txt文件。这个文件就刚刚我们创建的ip清单,即你要批量管理的ip地址。


for line in f.readlines():

ip = line.strip()

答:利用for循环语句,f.readlines是逐行读取f文件对象,赋给line。

line.strip()我理解是移除空格或换行符,然后复制给ip。


其他代码这里不再解释,可以参考往期的:



网络工程师就算没有真机,也可以在ensp模拟器上玩python编程自动化!



四、执行脚本与验证


1、执行前的确认

从上述代码,我们可以知道,我们的目标是为设备批量创建vlan20和创建ospf协议,并把管理网段宣告的area 0中。

所以,还没执行前,我们可以登录设备看看,确实没有vlan 20 和 ospf相关配置:










2、接下来,我们开始执行代码:


用编辑器执行也可以或双击python脚本也行



然后在弹出的窗口输入用户名和密码即可:



然后观察运行情况:




可知,python脚本执行成功了,我们也可以再通过ensp登录路由器看看检查配置,确认是否生效了?








相关文章
|
1月前
|
搜索推荐 程序员 调度
精通Python异步编程:利用Asyncio与Aiohttp构建高效网络应用
【10月更文挑战第5天】随着互联网技术的快速发展,用户对于网络应用的响应速度和服务质量提出了越来越高的要求。为了构建能够处理高并发请求、提供快速响应时间的应用程序,开发者们需要掌握高效的编程技术和框架。在Python语言中,`asyncio` 和 `aiohttp` 是两个非常强大的库,它们可以帮助我们编写出既简洁又高效的异步网络应用。
119 1
|
7天前
|
数据采集 缓存 定位技术
网络延迟对Python爬虫速度的影响分析
网络延迟对Python爬虫速度的影响分析
|
8天前
|
Python
Python中的异步编程:使用asyncio和aiohttp实现高效网络请求
【10月更文挑战第34天】在Python的世界里,异步编程是提高效率的利器。本文将带你了解如何使用asyncio和aiohttp库来编写高效的网络请求代码。我们将通过一个简单的示例来展示如何利用这些工具来并发地处理多个网络请求,从而提高程序的整体性能。准备好让你的Python代码飞起来吧!
24 2
|
15天前
|
数据采集 存储 JSON
Python网络爬虫:Scrapy框架的实战应用与技巧分享
【10月更文挑战第27天】本文介绍了Python网络爬虫Scrapy框架的实战应用与技巧。首先讲解了如何创建Scrapy项目、定义爬虫、处理JSON响应、设置User-Agent和代理,以及存储爬取的数据。通过具体示例,帮助读者掌握Scrapy的核心功能和使用方法,提升数据采集效率。
59 6
|
19天前
|
安全 网络安全 数据安全/隐私保护
|
24天前
|
存储 网络安全 数据安全/隐私保护
|
16天前
|
数据采集 前端开发 中间件
Python网络爬虫:Scrapy框架的实战应用与技巧分享
【10月更文挑战第26天】Python是一种强大的编程语言,在数据抓取和网络爬虫领域应用广泛。Scrapy作为高效灵活的爬虫框架,为开发者提供了强大的工具集。本文通过实战案例,详细解析Scrapy框架的应用与技巧,并附上示例代码。文章介绍了Scrapy的基本概念、创建项目、编写简单爬虫、高级特性和技巧等内容。
39 4
|
20天前
|
机器学习/深度学习 人工智能 算法
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
车辆车型识别,使用Python作为主要编程语言,通过收集多种车辆车型图像数据集,然后基于TensorFlow搭建卷积网络算法模型,并对数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django搭建web网页端操作界面,实现用户上传一张车辆图片识别其类型。
65 0
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
|
1月前
|
机器学习/深度学习 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
54 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
|
2月前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
90 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台