Nano Hash - криптовалюты, майнинг, программирование

преобразовать cidr в маску подсети в Python

У меня есть словарь Python, который я создал, этот словарь содержит список подсетей в следующем формате:

x.x.x.x/24
y.y.y,y/25
z.z.z.z/26
a.a.a.a/27

так далее...

Я хотел бы взять элементы этого словаря, проанализировать его, а затем выплюнуть результаты в следующем формате:

x.x.x.x 255.255.255.0
y.y.y.y 255.255.255.128
x.x.x.x 255.255.255.192
a.a.a.a 255.255.255.224

На данный момент у меня не так много информации об этом, потому что я не могу найти много по этой теме в Интернете, а также ничего, что можно было бы изложить в краткой и краткой форме. Мысли?

python subnet cidr ip-address
17.11.2015

  • Ваши данные не являются словарем, как вы упомянули! 17.11.2015
  • Если это помогает увидеть пример, я создал класс, который делает это здесь. 17.11.2015

Ответы:


1

Код:

import socket
import struct

def cidr_to_netmask(cidr):
    network, net_bits = cidr.split('/')
    host_bits = 32 - int(net_bits)
    netmask = socket.inet_ntoa(struct.pack('!I', (1 << 32) - (1 << host_bits)))
    return network, netmask

Использование:

>>> cidr_to_netmask('10.10.1.32/27')
('10.10.1.32', '255.255.255.224')
>>> cidr_to_netmask('208.128.0.0/11')
('208.128.0.0', '255.224.0.0')
>>> cidr_to_netmask('208.130.28.0/22')
('208.130.28.0', '255.255.252.0')
17.11.2015

2

Я подумал, что добавлю свое собственное решение, так как я хотел, чтобы в нем было немного больше читабельности, чем в других показанных ответах.

def cidr_to_netmask(cidr):
  cidr = int(cidr)
  mask = (0xffffffff >> (32 - cidr)) << (32 - cidr)
  return (str( (0xff000000 & mask) >> 24)   + '.' +
          str( (0x00ff0000 & mask) >> 16)   + '.' +
          str( (0x0000ff00 & mask) >> 8)    + '.' +
          str( (0x000000ff & mask)))

Теперь стало легче увидеть, что происходит, а именно:

  1. Получите числовой mask, добавив спереди 1s, а cidr сделайте остальное
  2. Для каждого бита примените mask
  3. Объедините все биты вместе, разделив их точками

Это очень процедурно и не использует никаких библиотек.

11.05.2017

3

Попробуйте это решение:

Python3

from ipaddress import IPv4Network

networks = {'n1':'10.1.0.0/21','n2':'10.2.0.0/22','n3':'10.3.0.0/23','n4':'10.4.0.0/24'}

for x,y in enumerate(networks):
    print(IPv4Network(networks[y]).network_address, IPv4Network(networks[y]).netmask)

Результат:

10.1.0.0 255.255.248.0
10.2.0.0 255.255.252.0
10.3.0.0 255.255.254.0
10.4.0.0 255.255.255.0

Python2

from netaddr import IPNetwork

networks = {'n1':'10.1.0.0/21','n2':'10.2.0.0/22','n3':'10.3.0.0/23','n4':'10.4.0.0/24'}

for x,y in enumerate(networks):
    print(str(IPNetwork(networks[y]).network), str(IPNetwork(networks[y]).netmask))

Результат:

('10.1.0.0', '255.255.248.0')
('10.2.0.0', '255.255.252.0')
('10.3.0.0', '255.255.254.0')
('10.4.0.0', '255.255.255.0')
09.11.2018

4

Попробуй это

lsIP = []
ans = 0
CIDR = 32
IP = [1] * CIDR
for i in range(len(IP)):
    iIdx = i % 8
    if iIdx == 0:
        if i >= 8:
            lsIP.append(ans)
            ans = 0
    ans += pow(2, 7 - iIdx)
lsIP.append(ans)

[lsIP.append(0) for i in range(4 - len(lsIP))]
print lsIP
17.11.2015
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..