1. 项目概述当文件被密码锁住时在日常工作中我们偶尔会遇到一个令人头疼的情况一份至关重要的PDF报告、一个包含历史资料的ZIP压缩包或者一份加密的Word文档但密码却怎么也找不到了。可能是同事离职时交接不清也可能是自己多年前设置后遗忘。这时一个能够尝试破解文件密码的工具就显得尤为实用。本项目探讨的正是使用Python实现一个针对常见文件格式如PDF、ZIP的密码破解脚本并实时展示破解过程与结果。这并非鼓励任何非法行为而是从技术学习和应急数据恢复的角度出发。理解其原理能让我们更深刻地认识到密码安全的重要性以及弱密码的脆弱性。整个工具的核心思路是“暴力破解”或“字典攻击”即通过程序自动化地、高速地尝试大量可能的密码组合直到匹配成功。我们将使用Python这一拥有丰富生态的语言调用成熟的库来处理文件并构建一个高效且可观察的破解流程。2. 核心思路与技术选型2.1 暴力破解 vs. 字典攻击在开始编码前必须明确两种主流的密码破解策略它们直接决定了脚本的效率和适用场景。暴力破解这种方法尝试所有可能的字符组合。例如如果你知道密码是6位纯数字那么暴力破解会从“000000”开始依次尝试到“999999”。它的优点是理论上只要时间足够一定能破解成功。但缺点也极其明显随着密码长度和字符集是否包含大小写字母、符号的增加需要尝试的组合数量呈指数级增长所需时间可能长达数年甚至更久在实际中几乎不可行。字典攻击这是一种更聪明、更高效的方法。它基于一个假设大多数人不会使用完全随机的字符串作为密码而是使用常见的单词、短语、生日、简单变体等。字典攻击需要一个“密码词典”这是一个包含了成千上万甚至上亿个常用密码和其变体的文本文件。脚本会逐一尝试词典中的每一个密码。由于它瞄准了人性的弱点对于弱密码的破解速度极快往往是首选方案。注意本项目的实践将主要围绕字典攻击展开因为它更贴近实际场景且能在合理时间内提供演示结果。暴力破解更适合作为理解算法复杂性的教学案例。2.2 Python库的选择与理由工欲善其事必先利其器。选择合适的库能让我们的工作事半功倍。处理PDF文件pikepdf为什么是它早期常用PyPDF2但其对加密PDF的支持和更新活跃度已不如pikepdf。pikepdf是一个基于C库QPDF的Python封装性能强劲对加密PDF的处理包括打开、解密支持得更好API也更现代清晰。核心方法我们将使用pikepdf.open(filepath, passwordpassword)来尝试用密码打开文件。如果密码错误会抛出PasswordError异常如果正确则打开成功这意味着密码被破解。处理ZIP文件zipfile标准库为什么是它Python标准库中的zipfile模块完全满足我们的需求无需额外安装。它提供了对ZIP归档文件的创建、读取、写入和解密支持。核心方法使用zipfile.ZipFile(filepath).extractall(pwdpassword.encode())或ZipFile.open(member, pwd...)来尝试解密。密码错误会引发RuntimeError异常。构建破解引擎多线程与进度显示threading/concurrent.futures密码尝试是一个典型的“令人尴尬的并行”任务每个密码的尝试都是独立的。使用多线程可以极大提升尝试速度充分利用多核CPU。tqdm这是一个非常流行的Python进度条库。在破解过程中我们需要直观地看到尝试进度、当前尝试的密码以及速度。tqdm能完美地以进度条形式展示这些信息提升脚本的交互体验。2.3 项目结构设计一个清晰的项目结构有助于代码的维护和扩展。我们的脚本将包含以下几个核心部分参数解析通过argparse模块让用户可以通过命令行指定目标文件、密码词典路径、线程数等参数。密码生成/加载器负责从词典文件逐行读取密码或者按规则生成暴力破解的密码序列。文件处理器根据文件扩展名.pdf,.zip选择对应的处理函数使用pikepdf或zipfile并定义一个统一的“尝试密码”接口。破解引擎核心调度模块。它管理线程池从密码加载器获取密码提交给文件处理器尝试并处理结果成功或失败。结果报告器收集破解过程中的统计信息尝试总数、耗时、速度并在破解成功后高亮显示密码。3. 实战代码拆解与构建下面我们将分步构建这个密码破解脚本。请确保已安装必要库pip install pikepdf tqdm。3.1 基础框架与参数解析首先搭建脚本的骨架处理用户输入。import argparse import sys import os from pathlib import Path def parse_arguments(): parser argparse.ArgumentParser(descriptionPython文件密码破解工具字典攻击) parser.add_argument(file, typestr, help目标加密文件路径支持PDF/ZIP) parser.add_argument(-d, --dict, typestr, requiredTrue, help密码词典文件路径) parser.add_argument(-t, --threads, typeint, default4, help并发线程数默认4) parser.add_argument(-o, --output, typestr, help破解成功后将文件解密输出到此路径仅ZIP有效) return parser.parse_args() def main(): args parse_arguments() target_file Path(args.file) dict_file Path(args.dict) # 基础验证 if not target_file.is_file(): print(f[错误] 目标文件不存在: {target_file}) sys.exit(1) if not dict_file.is_file(): print(f[错误] 词典文件不存在: {dict_file}) sys.exit(1) print(f[*] 目标文件: {target_file}) print(f[*] 使用词典: {dict_file}) print(f[*] 线程数: {args.threads}) # 后续破解逻辑将在这里展开 if __name__ __main__: main()这个框架定义了基本的命令行交互。用户需要提供加密文件和一份密码词典可以从网上下载常见的密码词典如rockyou.txt。3.2 实现文件处理器接下来创建针对不同文件类型的处理模块。我们将其设计为一个类提供统一的try_password方法。import pikepdf import zipfile from typing import Optional, Callable class FileCracker: def __init__(self, file_path: str): self.file_path file_path self.ext os.path.splitext(file_path)[1].lower() def try_password(self, password: str) - bool: 尝试用给定密码打开文件。成功返回True失败返回False。 try: if self.ext .pdf: return self._try_pdf(password) elif self.ext .zip: return self._try_zip(password) else: raise ValueError(f不支持的文件格式: {self.ext}) except Exception as e: # 捕获所有异常默认视为密码错误 # 在实际中可能需要更精细的异常处理来区分密码错误和其他IO错误 return False def _try_pdf(self, password: str) - bool: 尝试解密PDF文件。 try: # pikepdf.open() 在密码正确时会返回一个Pdf对象错误则抛出PasswordError with pikepdf.open(self.file_path, passwordpassword) as pdf: # 如果打开成功我们甚至可以快速验证一下比如读取一页信息可选 # _ len(pdf.pages) # 触发一下实际读取 return True except pikepdf.PasswordError: return False except Exception as e: # 其他错误如文件损坏也视为失败 print(f[警告] 处理PDF时发生意外错误: {e}) return False def _try_zip(self, password: str) - bool: 尝试解密ZIP文件。 try: with zipfile.ZipFile(self.file_path) as zf: # 尝试用密码访问压缩包内的第一个文件或列表 # 如果密码错误extractall或testzip会失败 zf.testzip() # 先测试完整性 # 或者尝试读取第一个文件的信息 file_list zf.namelist() if file_list: with zf.open(file_list[0], pwdpassword.encode()) as f: f.read(10) # 尝试读取一小部分数据 return True except (RuntimeError, zipfile.BadZipFile): # RuntimeError通常包含“Bad password”信息 return False except Exception as e: print(f[警告] 处理ZIP时发生意外错误: {e}) return False def save_decrypted(self, password: str, output_path: Optional[str] None): 破解成功后保存解密后的文件目前主要对ZIP有效。 if self.ext .zip: output_dir output_path or f{self.file_path}_decrypted os.makedirs(output_dir, exist_okTrue) with zipfile.ZipFile(self.file_path) as zf: zf.extractall(pathoutput_dir, pwdpassword.encode()) print(f[] ZIP文件已解压至目录: {output_dir}) elif self.ext .pdf: # 对于PDF可以用正确密码打开后另存为一份无密码的副本 save_path output_path or f{self.file_path}_decrypted.pdf with pikepdf.open(self.file_path, passwordpassword) as pdf: pdf.save(save_path) print(f[] 解密后的PDF已保存至: {save_path})这个FileCracker类是核心之一。它根据文件后缀名分派到不同的内部方法。try_password方法返回布尔值清晰表示尝试结果。save_decrypted方法提供了破解成功后的“售后服务”。3.3 构建多线程破解引擎这是脚本最核心的部分负责调度所有线程尝试密码并管理进度。from concurrent.futures import ThreadPoolExecutor, as_completed from tqdm import tqdm import time class BruteForceEngine: def __init__(self, cracker: FileCracker, dict_path: str, max_workers: int 4): self.cracker cracker self.dict_path dict_path self.max_workers max_workers self.found_password None self.attempts 0 self.start_time None def _password_generator(self): 一个生成器逐行从词典文件读取密码。 with open(self.dict_path, r, encodingutf-8, errorsignore) as f: for line in f: password line.strip() # 去除首尾空白字符 if password: # 跳过空行 yield password def _try_password_task(self, password: str): 单个密码尝试的任务函数。 self.attempts 1 if self.cracker.try_password(password): return password return None def run(self): 启动多线程字典攻击。 print(f[*] 开始字典攻击...) self.start_time time.time() password_gen self._password_generator() total_passwords sum(1 for _ in open(self.dict_path, r, encodingutf-8, errorsignore)) with ThreadPoolExecutor(max_workersself.max_workers) as executor: # 使用tqdm创建进度条 with tqdm(totaltotal_passwords, desc尝试进度, unitpwd) as pbar: # 预先提交一批任务到线程池 futures {} # 初始提交一批任务数量约为线程数的2倍 initial_batch min(self.max_workers * 2, total_passwords) for _ in range(initial_batch): try: pwd next(password_gen) future executor.submit(self._try_password_task, pwd) futures[future] pwd except StopIteration: break # 处理已完成的任务并提交新任务 try: for future in as_completed(futures): result future.result() pwd_used futures[future] pbar.set_postfix(currentpwd_used, refreshFalse) if result is not None: self.found_password result executor.shutdown(waitFalse, cancel_futuresTrue) pbar.close() return result # 一个任务完成从字典中移除 del futures[future] pbar.update(1) # 补充一个新任务 try: new_pwd next(password_gen) new_future executor.submit(self._try_password_task, new_pwd) futures[new_future] new_pwd except StopIteration: # 密码词典已用完不再提交新任务 pass except KeyboardInterrupt: print(f\n[!] 用户中断。) executor.shutdown(waitFalse, cancel_futuresTrue) raise # 如果循环结束还没找到 return None def get_stats(self): 获取破解统计信息。 if self.start_time is None: return {} elapsed time.time() - self.start_time speed self.attempts / elapsed if elapsed 0 else 0 return { attempts: self.attempts, time_elapsed: elapsed, speed_pps: speed }这段代码是效率的关键。ThreadPoolExecutor管理了一个线程池。_password_generator是一个生成器它惰性地从词典中读取密码避免一次性将整个大词典加载到内存。run方法中的逻辑是经典的生产者-消费者模式主线程负责从生成器取密码并提交任务生产者线程池中的线程执行任务消费者as_completed用来获取已完成的任务结果。tqdm进度条让我们能实时看到尝试了哪个密码、进度如何、速度多快。3.4 整合主函数与最终展示现在我们将所有部分整合到main函数中。def main(): args parse_arguments() target_file Path(args.file) dict_file Path(args.dict) # 基础验证 if not target_file.is_file(): print(f[错误] 目标文件不存在: {target_file}) sys.exit(1) if not dict_file.is_file(): print(f[错误] 词典文件不存在: {dict_file}) sys.exit(1) print(f[*] 目标文件: {target_file}) print(f[*] 使用词典: {dict_file} ({dict_file.stat().st_size / 1024 / 1024:.2f} MB)) print(f[*] 线程数: {args.threads}) # 初始化破解器与引擎 cracker FileCracker(str(target_file)) engine BruteForceEngine(cracker, str(dict_file), max_workersargs.threads) try: password engine.run() except KeyboardInterrupt: print(f\n[!] 破解过程被用户中断。) sys.exit(0) stats engine.get_stats() if password: print(f\n[] 破解成功) print(f[] 密码是: \033[1;32m{password}\033[0m) # 绿色高亮显示 print(f[] 尝试次数: {stats[attempts]}) print(f[] 耗时: {stats[time_elapsed]:.2f} 秒) print(f[] 平均速度: {stats[speed_pps]:.2f} 密码/秒) # 询问是否保存解密后的文件 if args.output or input(\n[?] 是否解密并保存文件(y/N): ).lower() y: output_path args.output if not output_path: if cracker.ext .zip: output_path f{target_file.stem}_decrypted else: output_path f{target_file.stem}_decrypted{cracker.ext} cracker.save_decrypted(password, output_path) else: print(f\n[-] 破解失败。) print(f[-] 已尝试所有 {stats[attempts]} 个密码未找到匹配项。) print(f[-] 耗时: {stats[time_elapsed]:.2f} 秒) print(f[-] 建议使用更大的密码词典或尝试其他破解方法如暴力破解。)至此一个功能完整的Python文件密码破解工具就完成了。你可以通过命令行运行它例如python cracker.py secret.pdf -d rockyou.txt -t 8。4. 关键技巧、优化与避坑指南在实际使用和开发过程中有很多细节决定了工具的效率和稳定性。4.1 密码词典的获取与处理词典来源互联网上有大量公开的密码词典如著名的rockyou.txt源于一次数据泄露包含上千万真实密码。SecLists项目也提供了丰富的词典集合。请务必仅用于测试自己拥有所有权的文件或授权的安全评估。词典预处理去重大型词典常有重复项使用前可以用sort -u命令去重减少无效尝试。编码确保读取词典时使用正确的编码如utf-8并使用errorsignore忽略非法字符避免程序因词典中的乱码而崩溃。排序将最可能、最常用的密码如123456,password,qwerty放在词典开头可以显著提高破解常见弱密码的速度。4.2 性能优化策略线程数设置并非线程越多越好。I/O密集型任务如读取文件线程多有益但密码破解中核心的加解密计算是CPU密集型。线程数最好设置为CPU核心数或略多如核心数的1-1.5倍。可以通过os.cpu_count()获取逻辑核心数。批量任务提交如代码所示采用“预提交一批任务完成一个补充一个”的流水线模式能保持线程池始终饱和避免线程空闲。减少不必要的I/O和对象创建FileCracker类中每次尝试都重新打开文件。对于某些库频繁打开关闭文件可能产生开销。可以考虑对特定文件格式进行优化例如对于ZIP可以只打开一次ZipFile对象然后在多线程中共享需注意线程安全。使用更快的哈希/解密库对于某些特定格式可能有性能更高的专用破解工具如john the ripper,hashcat。Python脚本的优势在于灵活和可读性而非极限性能。4.3 常见问题与排查pikepdf.PasswordError不准确有时pikepdf.open会因为文件损坏而非密码错误抛出异常。更稳健的做法是捕获所有异常并在日志中区分。可以尝试先用一个肯定错误的密码触发一次PasswordError用其类型做判断。ZIP文件解密失败zipfile模块对某些加密算法如AES-256支持有限。如果遇到RuntimeError: Bad password for file但密码确认正确可能是文件使用了不支持的强加密。此时需要考虑使用其他库如pyzipper一个支持AES加密的zipfile替代品。内存占用过高如果词典文件巨大几个GB一次性读取所有密码到列表会爆内存。务必使用生成器yield逐行读取这是处理大文件的黄金法则。进度条卡住或速度显示不准tqdm的total参数如果设置不准确比如词典有空行会导致进度百分比错误。确保total是准确的密码数量。多线程下更新进度条是线程安全的但set_postfix频繁更新可能会轻微影响性能如果追求极限速度可以移除。4.4 安全与法律警示这是最重要的部分。合法使用此脚本仅可用于破解你自己拥有合法所有权但忘记密码的文件或在进行已获得明确书面授权的渗透测试、安全评估时使用。未经授权破解他人加密文件是违法行为。密码强度认知通过这个项目你应该深刻认识到弱密码的危险性。一个8位的纯数字密码10^8种组合在暴力破解面前看似很多但在强大的GPU集群面前可能不堪一击。而字典攻击更是直接利用了人性弱点。安全建议为重要文件使用长密码12位以上。混合使用大小写字母、数字和特殊符号。避免使用字典中的单词、常见短语、个人信息生日、姓名。使用密码管理器来生成和保存复杂密码。对于极度敏感的数据考虑使用多重加密或硬件密钥。5. 功能扩展与思路延伸基础版本完成后你可以根据兴趣将其扩展得更加强大。5.1 实现暴力破解模式在BruteForceEngine中增加一个_brute_force_generator方法根据指定的字符集如string.ascii_lowercase和密码长度范围生成所有可能的组合。这可以通过itertools.product轻松实现。然后在run方法中根据参数选择使用字典生成器还是暴力生成器。import itertools import string def _brute_force_generator(self, charset: str, min_len: int, max_len: int): 暴力破解密码生成器。 for length in range(min_len, max_len 1): for candidate in itertools.product(charset, repeatlength): yield .join(candidate)注意暴力破解的空间巨大务必谨慎设置charset和max_len。尝试破解6位以上混合字符密码通常是不现实的。5.2 支持更多文件格式FileCracker类的设计是易于扩展的。要支持新的格式只需添加一个新的_try_xxx方法并在try_password中分派即可。Word/Excel (python-pptx,pywin32或msoffcrypto-tool)对于旧版Office文件.doc, .xls可以使用msoffcrypto-tool库来尝试解密。对于新版.docx, .xlsx其本质是ZIP包但加密方式不同需要专门处理。RAR文件Python原生支持较差可以调用命令行工具unrar或rar通过子进程来尝试但效率较低。7z文件同样可通过调用7z命令行工具实现。5.3 实现规则化字典攻击这是介于纯字典和纯暴力之间的一种高效方法。它先从一个基础词典出发然后对每个基础密码应用一系列“规则”或“变形”生成大量变体。例如基础密码 “password”规则可能包括首字母大写Password、尾部加数字password123、leet语替换pssw0rd、反转drowssap等。工具Hashcat的规则模式就是这方面的典范。在Python中你可以定义一组规则函数然后对词典中的每个密码应用这些函数生成新的候选密码列表这能极大地提高命中率。5.4 分布式破解当单机性能达到瓶颈时可以考虑分布式破解。思路是将密码空间词典或暴力组合划分成多个区间分发给网络中的多个计算节点Worker同时尝试。需要一个主节点Master来协调任务分发和结果收集。这可以使用消息队列如RabbitMQ、Redis或简单的HTTP服务器配合数据库来实现。这属于高级主题涉及网络通信和任务调度。这个项目从一个小小的需求点出发串联起了文件处理、多线程并发、进度显示、异常处理等多个Python核心知识点。更重要的是它以一种实践的方式揭示了密码安全的基本原理。希望你在动手实现的过程中既能享受到编程的乐趣也能建立起更强的个人信息安全意识。记住最好的防御始于对攻击方式的了解。