從0實現 BT 下載 ：1 種子的解析

最近突然有了時間，想研究一下 p2p 網絡，先做一個較容易實現的 bt 下載實現，盡量少的使用第3方庫。

先寫第一篇 種子的解析：

種子文件，不是全是 asc2 可見字符，有些是二進制編碼，不能直接看所以需要解析。

Bencode 編碼
https://zh.wikipedia.org/wiki/Bencode
Bencode（發音為Bee-Encode）是BitTorrent用在傳輸數據結構的編碼方式。這種編碼方式支持四種資料類型：

字符串
整數
串列
字典表
Bencode最常被用在.torrent檔中，文件里的元數據都是Bencode過的字典表。其也被用在tracker返回響應時使用。

雖然比用純二進制編碼效率低，但由於結構簡單而且不受字節存儲順序影響（所有數字以十進制編碼）——這對於跨平台性非常重要。而且具有較好的靈活性，即使存在故障的字典鍵，只要將其忽略並更換新的就能兼容補充。

編碼方法
Bencode使用ASCII字符進行編碼。

一個整型數會以十進制數編碼並括在i和e之間，不允許前導零（但0依然為整數0），負數如十進制表示一樣使用前導負號，不允許負零。如整型數“42”編碼為“i42e”，數字“0”編碼為“i0e”，“-42”編碼為“i-42e”。
一個以字節為單位表示的字符串（字符串的字為一個字節，不一定是一個字符）會以（長度）:（內容）編碼，長度的值和數字編碼方法一樣，只是不允許負數；內容就是字符串的內容，如字符串“spam”就會編碼為“4:spam”，本規則不能處理ASCII以外的字符串，為了解決這個問題，一些BitTorrent程序會以非標准的方式將ASCII以外的字符以UTF-8編碼轉化后再編碼。
線性表會以l和e括住來編碼，其中的內容為Bencode四種編碼格式所組成的編碼字符串，如包含和字符串“spam”數字“42”的線性表會被編碼為“l4:spami42ee”，注意分隔符要對應配對。
字典表會以d和e括住來編碼，字典元素的鍵和值必須緊跟在一起，而且所有鍵為字符串類型並按字典順序排好。如鍵為“bar”值為字符串“spam”和鍵為“foo”值為整數“42”的字典表會被編碼為“d3:bar4:spam3:fooi42ee”。
對於線性表和字典的取值范圍並沒有限制，他們通常會包含其他元素，這樣就允許對很復雜的數據結構進行編碼。

多文件Torrent的結構的樹形圖為：
Multi-file Torrent
├─announce：Tracker的主服務器
├─announce-list：Tracker服務器列表
├─comment：種子文件的注釋
├─comment.utf-8：種子文件注釋的utf-8編碼
├─creation date：種子文件建立的時間，是從1970年1月1日00:00:00到現在的秒數。
├─encoding：種子文件的默認編碼，比如GB2312，Big5，utf-8等
├─info：所有關於下載的文件的信息
│ ├─files：表示文件的名字
│ │ ├─length：文件的大小（Byte）
│ │ ├─path：文件的名字，在下載時不可更改
│ │ └─path.utf-8：文件名的UTF-8編碼，同上
│ ├─name：推薦的文件夾名，此項可於下載時更改
│ ├─name.utf-8：推薦的文件夾名的utf-8編碼，同上
│ ├─piece length：每個文件塊的大小（Byte）
│ ├─pieces：文件的特征信息（將所有文件按照piece length的字節大小分成塊，每塊計算一個SHA1值，然后將這些值連接起來所組成）
│ ├─publisher：文件發布者的名字
│ ├─publisher-url：文件發布者的網址
│ ├─publisher-url.utf-8：文件發布者網址的utf-8編碼
│ └─publisher.utf-8：文件發布者的名字的utf-8編碼
└─nodes：這個字段包含一系列ip和相應端口的列表，是用於連接DHT初始node

單文件Torrent的結構的樹形圖為：
（各個字段含義同多文件Torrent一樣，只是單文件Torrent沒有files字段）
Single-File Torrent
├─announce：Tracker的主服務器
├─announce-list：Tracker服務器列表
├─comment：種子文件的注釋
├─comment.utf-8：種子文件注釋的utf-8編碼
├─creation date：種子文件建立的時間，是從1970年1月1日00:00:00到現在的秒數。
├─encoding：種子文件的默認編碼，比如GB2312，Big5，utf-8等
├─info：所有關於下載的文件的信息
│ ├─length：文件的大小（Byte）
│ ├─name：推薦的文件夾名，此項可於下載時更改
│ ├─name.utf-8：推薦的文件夾名的utf-8編碼，同上
│ ├─piece length：每個文件塊的大小（Byte）
│ ├─pieces：文件的特征信息（將所有文件按照piece length的字節大小分成塊，每塊計算一個SHA1值，然后將這些值連接起來所組成）
│ ├─publisher：文件發布者的名字
│ ├─publisher-url：文件發布者的網址
│ ├─publisher-url.utf-8：文件發布者網址的utf-8編碼
│ └─publisher.utf-8：文件發布者的名字的utf-8編碼
└─nodes：這個字段包含一系列ip和相應端口的列表，是用於連接DHT初始node

 比較關鍵的數據：

Tracker服務器列表 文件名 文件大小 文件塊sha1值 都可以直接解析出來

特征碼：SHA1 雖然是20字節 但是顯示的時候，是按16進制顯示就變成了40個字符

特征值 ：872FDFA84B97B5EC7BA668CAB5FF2840FE4B220F

下面看 Wireshark 抓包的特征值

是原始20字節的二進制，經過 urlencode 編碼后：%87%2F%DF%A8K%97%B5%EC%7B%A6h%CA%B5%FF%28%40%FEK%22%0F

下面試着 url 解碼看看，結果是亂碼。

關鍵的問題  info_hash 怎么計算出來？

通過上面的介紹，應該明白了，先計算出來 info 字典的 SHA1 的值，然后在進行 urlencode  編碼就能得到這個值，所以要用到2個庫  openssl 中含加密庫 curl  中含 url 功能。

其實，我很輕松的就解碼出來了僅有一個文件的 bt 種子： [NC-Raws] 本田小狼與我 _ Super Cub - 07 [Baha][WEB-DL][1080p][AVC AAC][CHT][MP4].torrent

但是又找了另外2個種子，含多個文件的種子，也含有 DTH 網絡的信息的種子解析失敗，原因后面會說。

DTH 網絡信息，放到種子文件的 nodes 里面，重點來了。

專業的事必須使用專業的工具

 

 

SHA1 的計算方式，就是從 info 開始，到 nodes 這里，含 0x65 0x35 對應字符 e5 結束的 SHA1 的值，在轉 url 編碼就對了。

找了好幾個種子每次看位置都不一樣，感覺很奇怪，原來是因為 notepad++ hex  這個插件 十六進制和 顯示的 asc2 字符根本對不上，后來換了專業的 winhex 終於確定了是這個位置。

代碼已開源到 github 可以到置頂的貼里面去找。

解析文件列表並計算大小：

訊雷顯示：

void Bencode::showFileEntity()
{
    int file_length = 0;
    std::string file_path = "";

    for ( auto &file : file_entity_list )
    {
        file_length = file.getLength();
        file_path   = file.getPath();

        //filter _____padding_file_0_如果您看到此文件，請升級到BitComet(比特彗星)0.85或以上版本____

        if ( file_path.find("_____padding_file_" ) )
        {
            LOG_INFO("file length:%d %d.%dMB path:%s", file_length, file_length/1024/1024,
                (file_length - (file_length/1024/1024 * 1024 * 1024))*1000/1024/1024/10,
                file_path.c_str());
        }
    }
}