从0实现 BT 下载 ：1 种子的解析

最近突然有了时间，想研究一下 p2p 网络，先做一个较容易实现的 bt 下载实现，尽量少的使用第3方库。

先写第一篇 种子的解析：

种子文件，不是全是 asc2 可见字符，有些是二进制编码，不能直接看所以需要解析。

Bencode 编码
https://zh.wikipedia.org/wiki/Bencode
Bencode（发音为Bee-Encode）是BitTorrent用在传输数据结构的编码方式。这种编码方式支持四种资料类型：

字符串
整数
串列
字典表
Bencode最常被用在.torrent档中，文件里的元数据都是Bencode过的字典表。其也被用在tracker返回响应时使用。

虽然比用纯二进制编码效率低，但由于结构简单而且不受字节存储顺序影响（所有数字以十进制编码）——这对于跨平台性非常重要。而且具有较好的灵活性，即使存在故障的字典键，只要将其忽略并更换新的就能兼容补充。

编码方法
Bencode使用ASCII字符进行编码。

一个整型数会以十进制数编码并括在i和e之间，不允许前导零（但0依然为整数0），负数如十进制表示一样使用前导负号，不允许负零。如整型数“42”编码为“i42e”，数字“0”编码为“i0e”，“-42”编码为“i-42e”。
一个以字节为单位表示的字符串（字符串的字为一个字节，不一定是一个字符）会以（长度）:（内容）编码，长度的值和数字编码方法一样，只是不允许负数；内容就是字符串的内容，如字符串“spam”就会编码为“4:spam”，本规则不能处理ASCII以外的字符串，为了解决这个问题，一些BitTorrent程序会以非标准的方式将ASCII以外的字符以UTF-8编码转化后再编码。
线性表会以l和e括住来编码，其中的内容为Bencode四种编码格式所组成的编码字符串，如包含和字符串“spam”数字“42”的线性表会被编码为“l4:spami42ee”，注意分隔符要对应配对。
字典表会以d和e括住来编码，字典元素的键和值必须紧跟在一起，而且所有键为字符串类型并按字典顺序排好。如键为“bar”值为字符串“spam”和键为“foo”值为整数“42”的字典表会被编码为“d3:bar4:spam3:fooi42ee”。
对于线性表和字典的取值范围并没有限制，他们通常会包含其他元素，这样就允许对很复杂的数据结构进行编码。

多文件Torrent的结构的树形图为：
Multi-file Torrent
├─announce：Tracker的主服务器
├─announce-list：Tracker服务器列表
├─comment：种子文件的注释
├─comment.utf-8：种子文件注释的utf-8编码
├─creation date：种子文件建立的时间，是从1970年1月1日00:00:00到现在的秒数。
├─encoding：种子文件的默认编码，比如GB2312，Big5，utf-8等
├─info：所有关于下载的文件的信息
│ ├─files：表示文件的名字
│ │ ├─length：文件的大小（Byte）
│ │ ├─path：文件的名字，在下载时不可更改
│ │ └─path.utf-8：文件名的UTF-8编码，同上
│ ├─name：推荐的文件夹名，此项可于下载时更改
│ ├─name.utf-8：推荐的文件夹名的utf-8编码，同上
│ ├─piece length：每个文件块的大小（Byte）
│ ├─pieces：文件的特征信息（将所有文件按照piece length的字节大小分成块，每块计算一个SHA1值，然后将这些值连接起来所组成）
│ ├─publisher：文件发布者的名字
│ ├─publisher-url：文件发布者的网址
│ ├─publisher-url.utf-8：文件发布者网址的utf-8编码
│ └─publisher.utf-8：文件发布者的名字的utf-8编码
└─nodes：这个字段包含一系列ip和相应端口的列表，是用于连接DHT初始node

单文件Torrent的结构的树形图为：
（各个字段含义同多文件Torrent一样，只是单文件Torrent没有files字段）
Single-File Torrent
├─announce：Tracker的主服务器
├─announce-list：Tracker服务器列表
├─comment：种子文件的注释
├─comment.utf-8：种子文件注释的utf-8编码
├─creation date：种子文件建立的时间，是从1970年1月1日00:00:00到现在的秒数。
├─encoding：种子文件的默认编码，比如GB2312，Big5，utf-8等
├─info：所有关于下载的文件的信息
│ ├─length：文件的大小（Byte）
│ ├─name：推荐的文件夹名，此项可于下载时更改
│ ├─name.utf-8：推荐的文件夹名的utf-8编码，同上
│ ├─piece length：每个文件块的大小（Byte）
│ ├─pieces：文件的特征信息（将所有文件按照piece length的字节大小分成块，每块计算一个SHA1值，然后将这些值连接起来所组成）
│ ├─publisher：文件发布者的名字
│ ├─publisher-url：文件发布者的网址
│ ├─publisher-url.utf-8：文件发布者网址的utf-8编码
│ └─publisher.utf-8：文件发布者的名字的utf-8编码
└─nodes：这个字段包含一系列ip和相应端口的列表，是用于连接DHT初始node

 比较关键的数据：

Tracker服务器列表 文件名 文件大小 文件块sha1值 都可以直接解析出来

特征码：SHA1 虽然是20字节 但是显示的时候，是按16进制显示就变成了40个字符

特征值 ：872FDFA84B97B5EC7BA668CAB5FF2840FE4B220F

下面看 Wireshark 抓包的特征值

是原始20字节的二进制，经过 urlencode 编码后：%87%2F%DF%A8K%97%B5%EC%7B%A6h%CA%B5%FF%28%40%FEK%22%0F

下面试着 url 解码看看，结果是乱码。

关键的问题  info_hash 怎么计算出来？

通过上面的介绍，应该明白了，先计算出来 info 字典的 SHA1 的值，然后在进行 urlencode  编码就能得到这个值，所以要用到2个库  openssl 中含加密库 curl  中含 url 功能。

其实，我很轻松的就解码出来了仅有一个文件的 bt 种子： [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个种子，含多个文件的种子，也含有 DTH 网络的信息的种子解析失败，原因后面会说。

DTH 网络信息，放到种子文件的 nodes 里面，重点来了。

专业的事必须使用专业的工具

SHA1 的计算方式，就是从 info 开始，到 nodes 这里，含 0x65 0x35 对应字符 e5 结束的 SHA1 的值，在转 url 编码就对了。

找了好几个种子每次看位置都不一样，感觉很奇怪，原来是因为 notepad++ hex  这个插件 十六进制和 显示的 asc2 字符根本对不上，后来换了专业的 winhex 终于确定了是这个位置。

代码已开源到 github 可以到置顶的贴里面去找。

解析文件列表并计算大小：

讯雷显示：

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，请升级到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());
        }
    }
}