PythonScapy抓包分析入门教程
“纵有疾风来,人生不言弃”,这句话送给正在学习文章的朋友们,也希望在阅读本文《Python用Scapy抓包分析教程》后,能够真的帮助到大家。我也会在后续的文章中,陆续更新文章相关的技术文章,有好的建议欢迎大家在评论留言,非常感谢!
Scapy 是 Python 处理网络包最常用且灵活的工具,适用于嗅探、分析和协议解析。其核心使用方法包括:1. 安装 Scapy 并确保以管理员权限运行;2. 使用 sniff() 函数捕获数据包并实时或按数量处理;3. 通过 haslayer() 和 getlayer() 提取特定协议字段进行深度分析;4. 利用 filter 参数实现流量过滤提升效率;5. 使用 wrpcap() 将数据包保存为 .pcap 文件以便后续分析。

Python 要处理网络包,特别是做嗅探和分析这类底层操作,最常用也最灵活的工具之一就是 Scapy。它不仅能构造、发送和捕获数据包,还能解析各种协议结构,非常适合做网络调试、安全测试或者学习网络协议。

下面我从几个常见使用场景出发,讲讲怎么用 Scapy 嗅探和分析网络包。

安装 Scapy 和权限准备
Scapy 是一个 Python 库,安装方式很简单:
pip install scapy
不过要注意的是,Scapy 需要管理员权限才能进行嗅探,也就是说你在 Linux 或 macOS 上要用 sudo 执行脚本,在 Windows 上则需要用管理员身份运行命令行或 IDE。

另外,如果你是在虚拟机或者某些云环境中,可能还需要启用混杂模式(Promiscuous Mode)才能抓到所有流量。
简单嗅探:捕获基本的数据包
Scapy 提供了一个 sniff() 函数,可以快速开始监听网络接口上的数据包。
比如,想看看当前网卡上流过的所有流量,可以用这段代码:
from scapy.all import sniff packets = sniff(count=10) # 捕获10个包后停止 packets.summary()
count=10表示只抓10个包。summary()会显示每个包的基本信息,比如源地址、目标地址、协议类型等。
如果你想一直抓包,可以去掉 count 参数:
sniff(prn=lambda x: x.summary()) # 实时打印每个包的摘要
这种方式适合快速查看网络活动,但还不能做深度分析。
深度分析:提取特定协议字段
Scapy 的优势在于它能层层解析数据包结构。例如,你想找出所有的 TCP 包,并查看它们的源端口和目的端口,可以这样做:
def process_packet(packet):
if packet.haslayer('TCP'):
tcp_layer = packet.getlayer('TCP')
print(f"Source Port: {tcp_layer.sport}, Destination Port: {tcp_layer.dport}")
sniff(prn=process_packet, count=20)这样就能逐层访问数据包内容了。你也可以检查 IP 层、UDP、ICMP、DNS 等协议字段。
常见的组合判断有:
packet.haslayer('IP')packet.haslayer('Ether')packet.haslayer('DNS')
你可以根据这些判断来做不同的处理逻辑,比如只记录 DNS 请求的域名。
过滤与保存:提升效率和后续分析
有时候你只想抓某类包,比如 HTTP 或者 DNS 流量,可以在 sniff() 中加上 filter 参数:
sniff(filter="tcp port 80", prn=process_packet)
这个例子中只会捕获 HTTP 流量(默认是 TCP 80 端口)。支持的过滤语法和 tcpdump 一样,非常强大。
另外,你还可以把抓到的包保存成 .pcap 文件,方便用 Wireshark 等工具进一步分析:
wrpcap('output.pcap', packets)这在调试复杂问题时特别有用。
基本上就这些。Scapy 功能很多,但核心就是这几个点:捕获、过滤、解析、保存。刚开始用的时候可能会觉得结构有点绕,但只要理解了分层结构,用起来就很顺手了。
好了,本文到此结束,带大家了解了《PythonScapy抓包分析入门教程》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!
AI健身指导+豆包,定制专属训练计划
- 上一篇
- AI健身指导+豆包,定制专属训练计划
- 下一篇
- 电脑卡顿怎么解决?优化+升级全攻略
-
- 文章 · python教程 | 2小时前 | python · Python tomllib TOMLDecodeError
- Python tomllib 解析失败时如何定位具体键与行列
- 198浏览 收藏
-
- 文章 · python教程 | 6小时前 |
- Python contextvars 为什么能隔离并发请求上下文
- 202浏览 收藏
-
- 文章 · python教程 | 10小时前 | Python教程 · 静态类型检查 异步方法 Python Protocol 结构类型 Awaitable
- Python Protocol 怎样描述带异步方法的结构类型
- 363浏览 收藏
-
- 文章 · python教程 | 13小时前 | Python教程 · InitVar __post_init__ Python dataclasses.replace 数据类复制
- Python dataclasses.replace 遇到 InitVar 时怎样传递参数
- 381浏览 收藏
-
- 文章 · python教程 | 15小时前 | python · pathlib ·
- Python importlib.resources.as_file 的临时路径何时失效
- 318浏览 收藏
-
- 文章 · python教程 | 17小时前 | SQLite · Python教程 · Python sqlite3 Connection.backup 进度回调 SQLite备份
- Python sqlite3 备份进度回调怎样判断剩余页数
- 264浏览 收藏
-
- 文章 · python教程 | 19小时前 | python · 内存优化 · Python教程 · 文件读取 大文件处理 Python mmap 分段映射 ALLOCATIONGRANULARITY
- Python mmap 怎样分段处理超过内存的大文件
- 146浏览 收藏
-
- 文章 · python教程 | 21小时前 | python · Python 二进制协议 零拷贝 memoryview
- Python memoryview 如何零拷贝切片二进制协议数据
- 225浏览 收藏
-
- 文章 · python教程 | 23小时前 | 并发控制 · Python教程 · asyncio · 虚假唤醒 wait_for Python asyncio asyncio.Condition 异步同步
- Python asyncio.Condition.wait_for 如何处理虚假唤醒
- 478浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python ExceptionGroup 派生新组时如何保留异常元数据
- 417浏览 收藏
-
- 文章 · python教程 | 1天前 | 异常处理 · 并发编程 · Python教程 · asyncio · asyncio 结构化并发 ExceptionGroup except* Python TaskGroup
- Python TaskGroup 如何汇总多个子任务异常
- 208浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 396次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 477次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 482次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 426次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 253次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
