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
|
5月前
|
存储 缓存 测试技术
理解Python装饰器:简化代码的强大工具
理解Python装饰器:简化代码的强大工具
|
6月前
|
程序员 测试技术 开发者
Python装饰器:简化代码的强大工具
Python装饰器:简化代码的强大工具
262 92
|
4月前
|
设计模式 缓存 安全
【JUC】(6)带你了解共享模型之 享元和不可变 模型并初步带你了解并发工具 线程池Pool,文章内还有饥饿问题、设计模式之工作线程的解决于实现
JUC专栏第六篇,本文带你了解两个共享模型:享元和不可变 模型,并初步带你了解并发工具 线程池Pool,文章中还有解决饥饿问题、设计模式之工作线程的实现
283 2
|
4月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
453 0
|
5月前
|
机器学习/深度学习 编解码 Python
Python图片上采样工具 - RealESRGANer
Real-ESRGAN基于深度学习实现图像超分辨率放大,有效改善传统PIL缩放的模糊问题。支持多种模型版本,推荐使用魔搭社区提供的预训练模型,适用于将小图高质量放大至大图,放大倍率越低效果越佳。
424 3
|
6月前
|
数据采集 消息中间件 并行计算
Python多线程与多进程性能对比:从原理到实战的深度解析
在Python编程中,多线程与多进程是提升并发性能的关键手段。本文通过实验数据、代码示例和通俗比喻,深入解析两者在不同任务类型下的性能表现,帮助开发者科学选择并发策略,优化程序效率。
527 1
|
6月前
|
人工智能 自然语言处理 安全
Python构建MCP服务器:从工具封装到AI集成的全流程实践
MCP协议为AI提供标准化工具调用接口,助力模型高效操作现实世界。
1211 1
|
5月前
|
算法 安全 数据安全/隐私保护
Python随机数函数全解析:5个核心工具的实战指南
Python的random模块不仅包含基础的随机数生成函数,还提供了如randint()、choice()、shuffle()和sample()等实用工具,适用于游戏开发、密码学、统计模拟等多个领域。本文深入解析这些函数的用法、底层原理及最佳实践,帮助开发者高效利用随机数,提升代码质量与安全性。
997 0
|
安全 测试技术 Python
用Python代码编写一个简单的nmap扫描工具
今天我们用python的模拟实现一个简单版本的端口扫描工具,主要使用到socket模块,socket模块中提供了connect()和connect_ex()两个方法,其中connect_ex()方法有返回值,返回值是一个int类型的数字,标记是否连接成功,0为连接成功,其他数字表示有异常。
|
5月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
501 102

推荐镜像

更多