純真IP數據庫格式詳解 附demo

純真版IP數據庫，優點是記錄多，查詢速度快，它只用一個文件QQWry.dat就包含了所有記錄，方便嵌入到其他程序中，也方便升級。缺點是你想要編輯它卻是比較麻煩的，由於其文件格式的限制，你要直接添加IP記錄就不容易了

基本結構
QQWry.dat 文件在結構上分為3塊：文件頭，記錄區，索引區。一般我們要查找IP時，先在索引區查找記錄偏移，然后再到記錄區讀出信息。由於記錄區的記錄是不定長的， 所以直接在記錄區中搜索是不可能的。由於記錄數比較多，如果我們遍歷索引區也會是有點慢的，一般來說，我們可以用二分查找法搜索索引區，其速度比遍歷索引 區快若干數量級。圖1是QQWry.dat的文件結構圖。

 

圖1. QQWry.dat文件結構
要注意的是，QQWry.dat里面全部采用了little-endian字節序

一. 了解文件頭
QQWry.dat的文件頭只有8個字節，其結構非常簡單，首四個字節是第一條索引的絕對偏移，后四個字節是最后一條索引的絕對偏移。

二. 了解記錄區
每 條IP記錄都由國家和地區名組成，國家地區在這里並不是太確切，因為可能會查出來“清華大學計算機系”之類的，這里清華大學就成了國家名了，所以這個國家 地區名和IP數據庫制作的時候有關系。所以記錄的格式有點像QName，有一個全局部分和局部部分組成，我們這里還是沿用國家名和地區名的說法。

於 是我們想象着一條記錄的格式應該是: [IP地址][國家名][地區名]，當然，這個沒有什么問題，但是這只是最簡單的情況。很顯然，國家名和地區名可能會有很多的重復，如果每條記錄都保存一 個完整的名稱拷貝是非常不理想的，所以我們就需要重定向以節省空間。所以為了得到一個國家名或者地區名，我們就有了兩個可能：第一就是直接的字符串表示的 國家名，第二就是一個4字節的結構，第一個字節表明了重定向的模式，后面3個字節是國家名或者地區名的實際偏移位置。對於國家名來說，情況還可能更復雜 些，因為這樣的重定向最多可能有兩次。

那么什么是重定向模式？根據上面所說，一條記錄的格式是[IP地址][國家記錄][地區記錄]，如果國家記錄是重定向的話，那么地區記錄是有可能沒有的，於是就有了兩種情況，我管他叫做模式1和模式2。我們對這些格式的情況舉圖說明：

 

圖2. IP記錄的最簡單形式
圖2表示了最簡單的IP記錄格式，我想沒有什么可以解釋的

 

圖3. 重定向模式1
圖3演示了重定向模式1的情況。我們看到在模式1的情況下，地區記錄也跟着國家記錄走了，在IP地址之后只剩下了國家記錄的4字節，后面3個字節構成了一個指針，指向了實際的國家名，然后又跟着地址名。模式1的標識字節是0x01。

 

圖4. 重定向模式2
圖 4演示了重定向模式2的情況。我們看到了在模式2的情況下（其標識字節是0x02），地區記錄沒有跟着國家記錄走，因此在國家記錄之后4個字節之后還是有 地區記錄。我想你已經明白了模式1和模式2的區別，即：模式1的國家記錄后面不會再有地區記錄，模式2的國家記錄后會有地區記錄。下面我們來看一下更復雜 的情況。

 

圖5. 混和情況1
圖 5演示了當國家記錄為模式1的時候可能出現的更復雜情況，在這種情況下，重定向指向的位置仍然是個重定向，不過第二次重定向為模式2。大家不用擔心，沒有 模式3了，這個重定向也最多只有兩次，並且如果發生了第二次重定向，則其一定為模式2，而且這種情況只會發生在國家記錄上，對於地區記錄，模式1和模式2 是一樣的，地區記錄也不會發生2次重定向。不過，這個圖還可以更復雜，如圖7：

 

圖6. 混和情況2
圖6是模式1下最復雜的混和情況，不過我想應該也很好理解，只不過地區記錄也來重定向而已，有一點我要提醒你，如果重定向的地址是0，則表示未知的地區名。

所 以我們總結如下：一條IP記錄由[IP地址][國家記錄][地區記錄]組成，對於國家記錄，可以有三種表示方式：字符串形式，重定向模式1和重定向模式 2。對於地區記錄，可以有兩種表示方式：字符串形式和重定向，另外有一條規則：重定向模式1的國家記錄后不能跟地區記錄。按照這個總結，在這些方式中合理 組合，就構成了IP記錄的所有可能情況。

設計的理由
在我們繼續去了解索引區的結構之前，我們先來了解一下為何記錄區的結構要如此設 計。我想你可能想到了答案：字符串重用。沒錯，在這種結構下，對於一個國家名和地區名，我只需要保存其一次就可以了。我們舉例說明，為了表示方便，我們用 小寫字母代表IP記錄，C表示國家名，A表示地區名：

有兩條記錄a(C1, A1), b(C2, A2)，如果C1 = C2, A1 = A2，那么我們就可以使用圖3顯示的結構來實現重用
有三條記錄a(C1, A1), b(C2, A2), c(C3, A3)，如果C1 = C2, A2 = A3，現在我們想存儲記錄b，那么我們可以用圖6的結構來實現重用
有兩條記錄a(C1, A1), b(C2, A2)，如果C1 = C2，現在我們想存儲記錄b，那么我們可以采用模式2表示C2，用字符串表示A2

你可以舉出更多的情況，你也會發現在這種結構下，不同的字符串只需要存儲一次。

了解索引區
在"了解文件頭"部分，我們說明了文件頭實際上是兩個指針，分別指向了第一條索引和最后一條索引的絕對偏移。如圖8所示：

 

圖8. 文件頭指向索引區圖示
實 在是很簡單，不是嗎？從文件頭你就可以定位到索引區，然后你就可以開始搜索IP了！每條索引長度為7個字節，前4個字節是起始IP地址，后三個字節就指向 了IP記錄。這里有些概念需要說明一下，什么是起始IP，那么有沒有結束IP？ 假設有這么一條記錄：166.111.0.0 - 166.111.255.255，那么166.111.0.0就是起始IP，166.111.255.255就是結束IP，結束IP就是IP記錄中的那頭 4個字節，這下你應該就清楚了吧。於是乎，每條索引配合一條記錄，構成了一個IP范圍，如果你要查找166.111.138.138所在的位置，你就會發 現166.111.138.138落在了166.111.0.0 - 166.111.255.255 這個范圍內，那么你就可以順着這條索引去讀取國家和地區名了。那么我們給出一個最詳細的圖解吧：

 

圖9. 文件詳細結構
現 在一切都清楚了是不是？也許還有一點你不清楚，QQWry.dat的版本信息存在哪里呢？ 答案是：最后一條IP記錄實際上就是版本信息，最后一條記錄顯示出來就是這樣：255.255.255.0 255.255.255.255 純真網絡 2004年6月25日IP數據。OK，到現在你應該全部清楚了。

PHP Demo 不記得demo出處了

<?php
class IP {
    var $fh;        //IP數據庫文件句柄
    var $first;        //第一條索引
    var $last;        //最后一條索引
    var $total;        //索引總數

    //構造函數
    function __construct(){
        $this->fh = fopen('./qqwry.dat', 'rb');                //qqwry.dat文件
        $this->first = $this->getLong4();
        $this->last  = $this->getLong4();
        $this->total = ($this->last - $this->first) / 7;    //每條索引7字節
    }

    //檢查IP合法性
    function checkIp($ip){
        $arr = explode('.', $ip);
        if( count($arr) !=4 ){
            return false;
        }
        else{
            for( $i=0; $i<4; $i++){
                if( $arr[$i] <'0' || $arr[$i] > '255' ) {
                    return false;
                }
            }
        }
        return true;
    }

    function getLong4(){
        //讀取little-endian編碼的4個字節轉化為長整型數
        $result = unpack('Vlong', fread($this->fh, 4));
        return $result['long'];
    }

    function getLong3() {
        //讀取little-endian編碼的3個字節轉化為長整型數
        $result = unpack('Vlong', fread($this->fh, 3).chr(0));
        return $result['long'];
    }

    //查詢信息
    function getInfo($data = "") {
        $char = fread($this->fh, 1);
        while( ord($char) != 0) {        //國家地區信息以0結束
            $data .= $char;
            $char = fread($this->fh, 1);
        }
        return $data;
    }

    //查詢地區信息
    function getArea() {
        $byte = fread($this->fh, 1);    //標志字節
        switch (ord($byte)) {
            case 0: $area = ''; break;    //沒有地區信息
            case 1:        //地區被重定向
                fseek($this->fh, $this->getLong3());
                $area = $this->getInfo(); break;
            case 2:        //地區被重定向
            fseek($this->fh, $this->getLong3());
            $area = $this->getInfo(); break;
            default: $area = $this->getInfo($byte);  break;        //地區沒有被重定向
        }
        return $area;
    }

    function ip2addr($ip) {
        if( !$this->checkIp($ip) ){
            return false;
        }

        $ip = pack('N', intval(ip2long($ip)) );

        //二分查找
        $l = 0;
        $r = $this->total;

        while($l <= $r) {
            $m = floor(($l + $r) / 2);                //計算中間索引
            fseek($this->fh, $this->first + $m * 7);
            $beginip = strrev(fread($this->fh, 4)); //中間索引的開始IP地址
            fseek($this->fh, $this->getLong3());
            $endip = strrev(fread($this->fh, 4));    //中間索引的結束IP地址

            if( $ip < $beginip) {    //用戶的IP小於中間索引的開始IP地址時
                $r = $m - 1;
            }
            else{
                if( $ip > $endip) {    //用戶的IP大於中間索引的結束IP地址時
                    $l = $m + 1;
                }
                else{                //用戶IP在中間索引的IP范圍內時
                    $findip = $this->first + $m * 7;
                    break;
                }
            }
        }

        //查詢國家地區信息
        fseek($this->fh, $findip);
        $location['beginip'] = long2ip($this->getLong4());    //用戶IP所在范圍的開始地址
        $offset = $this->getlong3();
        fseek($this->fh, $offset);
        $location['endip'] = long2ip($this->getLong4());    //用戶IP所在范圍的結束地址
        
        $byte = fread($this->fh, 1);                //標志字節
        switch( ord($byte) ){
            case 1:            //國家和區域信息都被重定向
                $countryOffset = $this->getLong3();    //重定向地址
                fseek($this->fh, $countryOffset);
                $byte = fread($this->fh, 1);        //標志字節
                switch( ord($byte) ){
                    case 2: //國家信息被二次重定向
                        fseek($this->fh, $this->getLong3());
                        $location['country'] = $this->getInfo();
                        fseek($this->fh, $countryOffset + 4);
                        $location['area'] = $this->getArea();
                        break;
                    default: //國家信息沒有被二次重定向
                        $location['country'] = $this->getInfo($byte);
                        $location['area'] = $this->getArea();
                        break;
                }
                break;

            case 2:            //國家信息被重定向
                fseek($this->fh, $this->getLong3());
                $location['country'] = $this->getInfo();
                fseek($this->fh, $offset + 8);
                $location['area'] = $this->getArea();
                break;

            default:        //國家信息沒有被重定向
                $location['country'] = $this->getInfo($byte);
                $location['area'] = $this->getArea();
                break;
        }

        //gb2312 to utf-8（去除無信息時顯示的CZ88.NET）
        foreach ($location as $k => $v) {
            $location[$k] = str_replace('CZ88.NET', '', iconv('gb2312', 'utf-8', $v));
        }

        return $location;
    }

    //析構函數
    function __destruct() {
        fclose($this->fh);
    }
    
}

$ip = new IP();
$addr = $ip->ip2addr('113.247.15.120');
print_r($addr);