2021-10-14

最新推荐文章于 2025-02-21 16:36:24 发布
原创 最新推荐文章于 2025-02-21 16:36:24 发布 · 394 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#工作

本文涵盖了网络抓包、进程管理及文件系统方面的知识。讨论了tcpdump命令的使用，kill与kill-9命令的区别，控制台信号Ctl+C的编号，TCP/IP旗标含义，IP地址分类，三次握手与四次挥手过程，C++静态成员函数的定义，C++中的转义字符，以及Linux文件权限中'l'的含义和动态链接库的符号链接。

1.为什么同事抓的包写不进去cap文件？

tcpdump tcp port 10295 -i any -s 0 -w fuwuqitrap.cap

linux kill -9 和kill的区别

用kill 不用kill -9

2.ctl+C是几号信号-复习一下

3.抓包的时候Flags[F.]，Flags[S.]是什么意思？

4.A类B类C类IP地址

计算机网络怎么区分a类b类c类地址,如何判断IP地址是A类B类还是C类

5.三次握手后马上就挥手了的包的情况

6.为什么C++类的静态成员函数在定义的时候不写static？

为什么C++类的静态成员函数在定义的时候不写static?

7.C++代码中的\是什么意思？

C++代码中的\是什么意思？-续行符.

8.lrwxrwxrwx中的l是什么意思？

lrwxrwxrwx

[root@yuncheng-02 lib]# ls -lrt *ssh*
-rwxr-xr-x. 1 root root   10607 7月  23 2018 libssh_threads.so.4.5.0
-rwxr-xr-x. 1 root root  971977 7月  23 2018 libssh.so.4.5.0
lrwxrwxrwx. 1 root root      11 7月  23 2018 libssh.so -> libssh.so.4
lrwxrwxrwx. 1 root root      23 7月  23 2018 libssh_threads.so.4 -> libssh_threads.so.4.5.0
lrwxrwxrwx. 1 root root      19 7月  23 2018 libssh_threads.so -> libssh_threads.so.4
-rwxr-xr-x. 1 root root 1362835 10月 30 2018 libssh.so.4.6.0
lrwxrwxrwx. 1 root root      15 10月 31 2018 libssh.so.4 -> libssh.so.4.7.2
-rwxr-xr-x. 1 root root 1391394 3月  27 2019 libssh.so.4.7.2

9.libcrypto.so.1.0.0没有链接到

libcrypto.so.1.0.0

6、FIN-WAIT-1
zhaoyangjian724的专栏
03-27 656
6、FIN-WAIT-1 主动关闭的一方发送了 FIN 包，等待对端回复 ACK 时进入FIN-WAIT-1状态。 客户端: node2:/root#netstat -na | grep 8080 tcp 0 1 192.168.137.3:56713 192.168.137.2:8080 FIN_WAIT1 模拟拒绝 服...
tcpdump中的Flags [S.]和Flags [.]是什么意思？------顺便看看三次握手包
热门推荐
认知 行动 坚持
06-27 4万+
我们用telnet发起tcp连接， 建立三次握手， 抓包来看看： xxxxxx$ sudo tcpdump -iany port 19006 -Xnlps0 tcpdump: verbose output suppressed, use -v or -vv for full protocol decode listening on any, link-type LINUX_SLL (Linux
TCP 三次握手 四次挥手 tcpdump Flags
qq_29807203的博客
10-15 4970
TCP三次握手，四次挥手 三次握手 简单的三次握手示意图。 四次挥手 简单的四次挥手过程示意图。 TCP中Flags字段 SYN 表示建立连接，在TCP监听中为: Flags [S]； FIN 表示关闭连接，在TCP监听中为: Flags [F]； ACK 表示收到请求，返回响应，在TCP监听中为: Flags [.]； PSH 表示数据传输，在TCP监听中为: Flags [P]； RST 表示连接重置，在TCP监听中为: Flags [R]。 Flags字段组合使用 收到并建立连接为: Flags
【linux tcp抓包之三次握手】
qq_37674060的博客
03-19 3209
【linux tcp抓包之三次握手】
tcpdump Flags的含义
weixin_34401479的博客
09-05 1万+
在看tcpdump输出的时候,看到Flags[S],Flags[.],Flags[S.],Flags[P],搞不懂这是什么意思,百度搜索[tcpdump Flags ]竟然称心的答复.闲话少说,看man文档怎么说:Flags are some combination of S (SYN), F(FIN), P (PUSH), R (RST), U (URG),W (E...
抓取Android & Linux网络包
chuifuhuo6864的博客
11-16 397
tcpdump -vv -s 300 -w /sdcard/capture.pcap root@android :/ # tcpdump --h tcpdump --h tcpdump version 3.9.8 libpcap version 0.9.8 Usage: tcpdump [-...
App_Privacy_Report_v4_2021-10-14T11_18_21.ndjson
10-14
App_Privacy_Report_v4_2021-10-14T11_18_21.ndjson
App_Privacy_Report_v4_2021-10-14T09_52_20.ndjson
10-14
App_Privacy_Report_v4_2021-10-14T09_52_20.ndjson
Record_2021-12-14-10-32-10.mp4
12-23
Record_2021-12-14-10-32-10.mp4
CVE-2021-34527: PrintNightmare 域内提权
anddddoooo的博客
02-21 962
域控 ip：192.168.72.21，hostname：dc01域内攻击者机器 ip：192.168.72.158，hostname：WIN10-01攻击者 kali 机器 ip：192.168.72.162如果目标机器开启 Print Spooler 服务，那么此漏洞允许攻击者将代码注入到 Print Spooler 服务的进程 spoolsv.exe 中，以 system 权限执行。
CVE-2021-26084（confluence）
sinat_42420072的博客
01-26 2059
Confluence Server、Confluence Data Center等产品存在OGNL 注入漏洞，允许经过身份验证的用户（在某些情况下的未经身份验证的用户）在 Confluence Server或Confluence Data Center实例上执行任意代码。
tcpdump使用过滤条件抓包(进阶篇)
BruceLeeNumberOne的博客
11-08 1万+
引言 这是有关网络协议的第四篇博客。 上一篇博客分享了tcpdump使用过滤条件抓包的一些用法，如果没有特殊的要求，基本能够满足一般的抓包要求，这篇博客如何在抓包的过程中将过滤条件更加具体化。 如果对tcpdump常用的命令行选项不了解，请查看上一篇博客或者查看tcpdump官网。 常用选项介绍 -s0 : Snap length, is the size of the packet to cap...
tcpdump中的Flags S 和Flags 是什么意思 ------顺便看看三次握手包
sjhfkhsf的博客
02-15 5113
tcpdump中的Flags S 和Flags 是什么意思 ------顺便看看三次握手包
3.2.3 使用tcpdump观察TCP头部信息（补充TCP协议的常用知识）
Howl_1的博客
07-25 2726
使用tcpdump观察TCP头部信息和三次握手四次挥手前言实验开始1. 延迟确认2. 位序号（seq）和确认号（ack）之间的关系3. TCP状态转移（书上p41-p42原话）4. FIN_WAIT_2状态5. TIME_WAIT状态6. 细说4）和8）这两个TCP报文段的详细信息 前言 本篇文章为笔者的读书笔记，未经允许请勿转载。如果对你有帮助记得点个赞(●’◡’●) 本次实验是目的在于弄清tcp头部信息和三次握手四次挥手的细节，并且补充一些tcp协议的常用知识。读本文需要一些前置知识，具体请参照《l
tcpdump
歪歪的博客
12-05 644
.] : 没有 Flag （意思是除上面四种类型外的其他情况，有可能是 ACK 也有可能是 URG:紧急指针）[FP.]: 标记FIN、PUSH、ACK组合，这样做是为了提升网络效率，减少数据来回确认等。type类型只有host、port、net和portrang，可以使用这四种类型进行过滤。可以使用这两个方向进行过滤。[S.]: SYN同步标识，以及确认[S]的ACK。[F.] : FIN （结束连接）[P.] : PSH（推送数据）[R.] : RST（重置连接）[S] : SYN（开始连接）
netopeer2环境搭建
qq_27923047的博客
08-14 1万+
centos7共享 /usr/bin/vmhgfs-fuse .host:/ /mnt/hgfs -o subtype=vmhgfs-fuse,allow_other
tcpdump flags 常见标志位汇总
qq_32783703的博客
09-09 4087
flags MF表示有更多分片，DF表示不分片，这里是DF，未使用分片，所以id和offset的值都可以忽略。S : SYN - 同步;P : PUSH - 推送;R : RST - 复位;F : FIN - 结束;A : ACK - 应答。
（四）深入浅出TCPIP之TCP三次握手和四次挥手（下）的抓包分析
网易搬砖头
10-30 1197
目录 1. 通过netstat来分析服务器和客户端的TCP状态 2.通过tcpdump抓包分析服务器和客户端的TCP状态 2.1 语法 2.2 抓包返回格式 2.3 抓包的FLags标记 2.4 分析三次握手,数据收发，四次挥手的状态 2.4.1三次握手 2.4.2数据发送 2.4.3 四次挥手 我们在第二章和第三章讲了三次握手和四次挥手，那么这一章节我将带领读者来通过tcpdump工具来抓包分析这两个过程。 按照我第一章文章里初识TCP，理解TCP报文格式和交互流程（一）提供的客户.
将df成交日期列格式从2021-10-14 00:00:00转为2021-10-14
最新发布
11-22
<think> 我们需要将日期时间列转换为仅日期部分（去掉时间部分） 假设列名为'成交日期'，数据格式为字符串或datetime类型 我们将提供多种方法，并处理不同情况 </think> # 将 DataFrame 中的日期时间列格式化为日期字符串 将日期时间列从 `2021-10-14 00:00:00` 格式转换为 `2021-10-14` 格式是常见的数据处理任务。以下是几种高效且健壮的解决方案： ## 方法 1: 使用 Pandas 的 dt 访问器 ```python import pandas as pd import numpy as np # 示例 DataFrame data = { '成交日期': [ '2021-10-14 00:00:00', '2022-05-21 14:30:00', '2023-01-05 09:15:00', '2020-12-31 23:59:59', None, # 空值 '2023-07-04 00:00:00', 'invalid_date', # 无效日期 20211014, # 数值类型 '2021-10-14' ] } df = pd.DataFrame(data) # 方法 1.1: 转换为日期格式后提取日期部分 def format_date_column(df, col_name, errors='coerce'): """ 格式化日期列为 YYYY-MM-DD 格式 参数: df: 包含日期列的DataFrame col_name: 日期列名 errors: 错误处理方式 ('coerce' 将无效解析设为NaT) 返回: 格式化后的Series """ # 转换为 datetime 类型，处理无效日期 date_series = pd.to_datetime(df[col_name], errors=errors) # 格式化为字符串 formatted = date_series.dt.strftime('%Y-%m-%d') # 处理原始为日期格式但无时间部分的字符串 mask = (df[col_name].str.len() == 10) if df[col_name].dtype == 'object' else False if mask.any(): formatted[mask] = df.loc[mask, col_name] return formatted # 应用格式化 df['格式化日期'] = format_date_column(df, '成交日期') # 显示结果 print("格式化结果:") print(df) ``` ## 方法 2: 使用字符串操作（高效处理纯字符串） ```python # 方法 2: 字符串切片（仅当所有日期格式一致时适用） def format_date_with_slice(series): """ 使用字符串切片快速格式化日期（适用于格式统一的列） """ # 先转换为字符串 str_series = series.astype(str) # 使用字符串切片 formatted = str_series.str[:10] # 处理长度不足的字符串 short_mask = str_series.str.len() < 10 formatted[short_mask] = series[short_mask].apply( lambda x: x if pd.isna(x) else str(x)[:10] # 处理数值类型 ) return formatted # 应用 df['切片格式化'] = format_date_with_slice(df['成交日期']) print("\n字符串切片方法结果:") print(df[['成交日期', '切片格式化']]) ``` ## 方法 3: 高性能矢量化方法（大型数据集） ```python # 方法 3: 使用 NumPy 矢量化操作 def vectorized_date_format(series): """ 高性能日期格式化（适用于大型数据集） """ # 转换为 datetime 数组 date_array = pd.to_datetime(series, errors='coerce').values # 创建结果数组 result = np.empty(series.shape, dtype='U10') # Unicode 10字符 # 提取日期部分 for i in range(len(date_array)): if pd.isnull(date_array[i]): result[i] = '' else: dt = date_array[i].astype('datetime64[D]') # 提取日期部分 result[i] = str(dt)[:10] return pd.Series(result, index=series.index) # 创建大型数据集测试 large_data = { '成交日期': ['2021-10-14 00:00:00'] * 1000000 } large_df = pd.DataFrame(large_data) # 应用高性能格式化 large_df['格式化日期'] = vectorized_date_format(large_df['成交日期']) print("\n大型数据集处理结果（前5行）:") print(large_df.head()) ``` ## 方法 4: 处理混合格式的日期列 ```python # 方法 4: 处理混合格式的日期列 def format_mixed_dates(series): """ 处理混合格式的日期列（包含多种格式） """ def format_single_date(value): if pd.isnull(value): return '' # 尝试不同日期格式 try: # 尝试解析完整日期时间 return pd.to_datetime(value).strftime('%Y-%m-%d') except: try: # 尝试解析纯日期格式 if len(str(value)) == 10 and '-' in str(value): return str(value) # 尝试解析数值型日期（如20211014） elif str(value).isdigit() and len(str(value)) == 8: return f"{str(value)[:4]}-{str(value)[4:6]}-{str(value)[6:8]}" except: return '无效日期' return series.apply(format_single_date) # 应用 df['混合格式处理'] = format_mixed_dates(df['成交日期']) print("\n混合格式处理结果:") print(df[['成交日期', '混合格式处理']]) ``` ## 完整解决方案类 ```python class DateFormatter: def __init__(self, input_format=None, output_format='%Y-%m-%d'): """ 初始化日期格式化器 参数: input_format: 输入日期格式（如'%Y-%m-%d %H:%M:%S'） output_format: 输出日期格式（默认'%Y-%m-%d'） """ self.input_format = input_format self.output_format = output_format def format(self, series): """ 格式化日期Series 返回: 格式化后的Series """ # 转换为datetime if self.input_format: dates = pd.to_datetime(series, format=self.input_format, errors='coerce') else: dates = pd.to_datetime(series, errors='coerce') # 格式化输出 formatted = dates.dt.strftime(self.output_format) # 处理转换失败的值 failed_mask = formatted.isna() formatted[failed_mask] = series[failed_mask].apply(self._handle_failed_conversion) return formatted def _handle_failed_conversion(self, value): """处理转换失败的日期值""" if pd.isnull(value): return '' # 尝试处理数值型日期 if isinstance(value, (int, float)): try: str_value = str(int(value)) if len(str_value) == 8: # 20211014格式 return f"{str_value[:4]}-{str_value[4:6]}-{str_value[6:8]}" except: pass # 尝试处理字符串 if isinstance(value, str) and len(value) >= 10: return value[:10] return '无效日期' # 使用示例 formatter = DateFormatter() df['类格式化'] = formatter.format(df['成交日期']) print("\n使用类处理的结果:") print(df[['成交日期', '类格式化']]) ``` ## 性能比较与优化建议 1. **小型数据集**： - 推荐使用 `pd.to_datetime().dt.strftime()` 方法 - 简洁易读，处理能力强 2. **大型数据集**： - 推荐使用矢量化方法（方法3） - 避免使用 `apply()`，效率较低 3. **数据验证**： - 添加日期有效性检查： ```python def is_valid_date(date_str): try: pd.to_datetime(date_str) return True except: return False valid_mask = df['成交日期'].apply(is_valid_date) print(f"有效日期比例: {valid_mask.mean():.2%}") ``` 4. **时区处理**： ```python # 如果需要处理时区 df['带时区日期'] = pd.to_datetime(df['成交日期'], utc=True).dt.tz_convert('Asia/Shanghai') ``` ## 常见问题解决方案 ### 问题1: 日期格式不一致 ```python # 处理多种日期格式 def parse_multiple_formats(series): formats = [ '%Y-%m-%d %H:%M:%S', '%Y/%m/%d %H:%M:%S', '%Y%m%d', '%Y-%m-%d' ] for fmt in formats: try: return pd.to_datetime(series, format=fmt, errors='coerce') except: continue return pd.to_datetime(series, errors='coerce') df['统一日期'] = parse_multiple_formats(df['成交日期']).dt.strftime('%Y-%m-%d') ``` ### 问题2: 处理空值和无效日期 ```python # 创建包含空值和无效日期的列 invalid_data = { '日期': [ '2021-10-14 00:00:00', None, '2023-13-01 00:00:00', # 无效月份 '2022-02-30 00:00:00', # 无效日期 'not a date' ] } invalid_df = pd.DataFrame(invalid_data) # 安全转换方法 invalid_df['安全转换'] = pd.to_datetime(invalid_df['日期'], errors='coerce') invalid_df['格式化'] = invalid_df['安全转换'].dt.strftime('%Y-%m-%d').fillna('无效日期') print("\n安全转换结果:") print(invalid_df) ``` ### 问题3: 日期本地化 ```python # 处理本地化日期 localized_data = { '本地日期': [ '14/10/2021 00:00:00', # 日/月/年 '05/01/2023 00:00:00' ] } localized_df = pd.DataFrame(localized_data) # 指定格式转换 localized_df['格式化'] = pd.to_datetime( localized_df['本地日期'], format='%d/%m/%Y %H:%M:%S' ).dt.strftime('%Y-%m-%d') print("\n本地化日期转换:") print(localized_df) ``` ## 总结 1. **首选方法**：使用 `pd.to_datetime()` 配合 `dt.strftime()` 2. **性能优化**：对于大型数据集，使用矢量化方法 3. **错误处理**：使用 `errors='coerce'` 处理无效日期 4. **格式化**：使用 `strftime('%Y-%m-%d')` 获取日期部分 5. **混合格式**：实现多格式解析逻辑
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值