Bittorrent 协议浅析（一）元数据文件
原创
0. 序
时代在变，很多事物慢慢消失在了数据的海洋中，但不会忘记的，时那个以相互交流、分享信息为目的存在的互联网环境，在 BS、 CS 模式盛行的今天，偶尔也要想起 Peer to Peer 存在的意义和必要性，在其存在感越来越低的今天，暂且不论对错，不问优劣，只从技术角度对其进行回味。
本文通过分析解读 Bittorrent 协议来让更好的理解它，并为进一步尝试提供理论基础，本文暂不讨论 DHT，PEX等未经 BDFL 确认成为正式版本的内容，这部分内容可能会在其他文章中进行讨论。
1. 概述
BitTorrent 是一种用于分发文件的协议，和 FTP，HTTP相比其特点为当同一文件的多个下载同时工作时，下载器会互相上传，故可以在文件源负载增加不多的情况下，支持大量的下载请求。
2. 组成
在官方文档中是这么描述一个 BitTorrent 文件分发的组成的
An ordinary web server A static 'metainfo' file A BitTorrent tracker An 'original' downloader The end user web browsers The end user downloaders
网站服务器，metainfo 文件（种子文件），Tracker，“原始”下载者（最初的做种者），用户浏览器和用户下载器。
网站服务器和用户浏览器是用来分发、传输 mateinfo 的，这个过程也可以通过其他方式进行（比如发到群聊里？）。
Tracker 用于交换用户信息。
下载和分发通常用的是同一个程序，可以都看作是下载器（downloader）。
3. 编码
对 字符串，整数，列表，字典 在规范中有编码的定义，整数，列表，字典需要进行类型开始和结束标记，具体的：
字符串
字符串由一个表示长度的十进制数字，紧接着一个冒号和字符串本身组成。
例：
4:spam对应于字符串 'spam'，其中 "4" 表示字符串的长度；5:cloud对应 'cloud'；7:tencent对应 'cloud'；3:com对应 'com'；
整数
整数由一个小写字母 "i" 开头，小写字母 "e" 结尾拼接而成，数字使用十进制。
例：
i3e对应数 3；i-3e对应于整数 -3；i0e它对应于数字 0；
注：除了 i0e 对应的数字 0 外，其他数字不能以 0 开头，i-0e 也是不允许的。
助记：int 数字 end
列表
列表由一个小写字母 "l" 开始，以字母 "e" 结束。
例：
l4:spam4:eggse对应 'spam', 'eggs'
助记：list 项目:项目:... end
字典
字典和列表很像，由一个小写字母 "d" 开始，最后以字母 "e" 结束。
例：
d3:cow3:moo4:spam4:eggse对应字典 {'cow': 'moo', 'spam': 'eggs'}
键的类型必须为字符串，并根据字符串规则进行排序
助记：dictionary 键:值:键:值:... end
元数据文件（种子文件）
在 BitTorrent 中，元数据（Mateinfo）文件就是我们熟悉的种子文件（.torrent 文件），为了阅读和理解的方便，后续所提种子、种子文件都是指元数据文件。
种子结构
首先，整个种子文件是一个字典，其结构大致为：
{
"announce": "TackerAddressString",
"info": {
"name": "NameString",
"piece length": 262144,
"pieces": "hashString...",
"length": 3276800
}
}或这样
{
"announce": "TackerAddressString",
"info": {
"name": "NameString",
"piece length": 262144,
"pieces": "hashString...",
"files": [
{
"length": 4096,
"path": ["Folder", "FileName1"]
},
{
"length": 8192,
"path": ["Folder", "FileName2"]
},
{
"length": 16384,
"path": ["Folder", "Subfolder", "FileName3"]
}
]
}
}详细的：
- 宣告地址（announce）：Tracker服务器的URL，字符串
- 信息（info）：字典
- 名称（name）：建议的保存文件（或目录）的名称的UTF-8编码字符串，字符串
- 分片长度（piece length）：每个文件分片的字节数，整数
- 分片哈希（pieces）：文件分片的 SHA-1 哈希值的拼接，每一个分片都有长度为 20 的 SHA-1 的哈希，故该部分为长度为 20 倍数字符串
- 长度（length） 或 文件列表（files）：这部分内容用来区分是单文件还是多文件的情况，所以长度和文件列表必须且只能存在一个，字符串或字典：
- 长度（length）文件的字节数，整数
- 文件列表（files）顾名思义，列表，列表包含逗哥字典，字典格式：
- 长度（length）文件的字节数，整数
- 路径（path）标明文件路径的字符串列表，对应子目录，文件名的 UTF-8编码的列表
例子
解码
根据规范，可以完成简单的解析程序，这里使用 Python 作例子，其他语言略，实现如下：
def decode_bencode(data):
# 解码字符串
def decode_string(data):
colon_idx = data.index(b':')
length_str = data[:colon_idx].decode('utf-8')
length = int(length_str)
start_idx = colon_idx + 1
end_idx = start_idx + length
string = data[start_idx:end_idx]
return string, data[end_idx:]
# 解码整数
def decode_integer(data):
end_idx = data.index(b'e')
integer_str = data[1:end_idx].decode('utf-8')
return int(integer_str), data[end_idx + 1:]
# 解码列表
def decode_list(data):
decoded_list = []
data = data[1:]
while not data.startswith(b'e'):
item, data = decode_bencode(data)
decoded_list.append(item)
return decoded_list, data[1:]
# 解码字典
def decode_dict(data):
decoded_dict = {}
data = data[1:]
while not data.startswith(b'e'):
key, data = decode_string(data)
value, data = decode_bencode(data)
decoded_dict[key] = value
return decoded_dict, data[1:]
# 根据数据类型调用对应的解码函数
if data.startswith(b'd'):
return decode_dict(data)
elif data.startswith(b'l'):
return decode_list(data)
elif data.startswith(b'i'):
return decode_integer(data)
else:
return decode_string(data)实例
首先来看一个通过qBittorrent制种的种子和解码后的信息
{
"announce": "https: //www.example.com/announce.php",
"createdby": "qBittorrentv4.4.5",
"creationdate": 1695555982,
"info": {
"length": 1373744,
"name": "ChromeSetup.exe",
"piece length": 524288,
"pieces": b"L\xb2k\xd9\x83\xa4\x84\x84\x00g\xeb\xf7\x1d\xfe3\xa2\xd9\x95\x0f\\\xa6\xb2E\xcd!^\xe3\xed\x8a\x85\xe7>(\x99\x9dU\x06g%b\x08@\xc9\x9fG\xb8S\x8f\x067K#3\xa7\xbf\xb8`N\xac3"
}
}根据前述内容，可知道，这组元数据如下：
- Trakcer地址：https: //www.example.com/announce.php
- 分片长度：524288
- 文件大小：1373744
- 建议名称：ChromeSetup.exe
- 分片哈希值：（略）
哈希值校验
使用如下程序计算文件哈希值
import hashlib
def calculate_sha1(data):
h = hashlib.sha1()
h.update(data)
return h.hexdigest()
def slice_and_hash_file(f, s):
h = []
with open(f, 'rb') as file:
while True:
data = file.read(s)
if not data:
break
h.append(calculate_sha1(data))
return h
file_path = 'ChromeSetup.exe'
slice_size = 524288 # 例如，这里将文件切成每个切片1024字节
slice_hashes = slice_and_hash_file(file_path, slice_size)
for i, sha1_hash in enumerate(slice_hashes):
print(sha1_hash)使用程序对目标文件哈希值进行计算，得到计算结果：
4cb26bd983a484840067ebf71dfe33a2d9950f5c
a6b245cd215ee3ed8a85e73e28999d5506672562
0840c99f47b8538f06374b2333a7bfb8604eac33与元数据一致
此外，还注意到，qBittorrent在制种的过程中，加入了 createdby 和 creationdate 的键值对，这些内容主要由其他 BEP 提出并被对应的客户端支持，对于当前讨论的版本和内容，这些内容不是必须的，这些内容的存在不会带来较大危害。
手动制作一个元数据文件
手动构造一个 BitTorrent 种子文件，在此以单个文件的元数据为例，还是使用 Chrome 安装程序 ChromeSetup.exe 作为例子。
假设 tracker 地址为 https: //www.example.com/announce，设置切片大小为 2097152（2M），确认文件大小为 1373744 字节，计算文件 SHA1 为3b4964c5f6aead8d2aee4818976c041cb485b81b ，根据内容完成数据结构：
{
"announce": "https: //www.example.com/announce",
"info": {
"length": 1373744,
"name": "ChromeSetup.exe",
"piece length": 2097152,
"pieces": b';Id\xc5\xf6\xae\xad\x8d*\xeeH\x18\x97l\x04\x1c\xb4\x85\xb8\x1b'
}
}使用如下程序进行编码：
def encode_bencode(data):
if isinstance(data, dict):
# 对字典进行编码
encoded_data = b'd'
for key in sorted(data.keys()):
encoded_data += encode_bencode(key) + encode_bencode(data[key])
encoded_data += b'e'
elif isinstance(data, list):
# 对列表进行编码
encoded_data = b'l'
for item in data:
encoded_data += encode_bencode(item)
encoded_data += b'e'
elif isinstance(data, int):
# 对整数进行编码
encoded_data = f"i{data}e".encode('utf-8')
elif isinstance(data, str):
# 对字符串进行编码
encoded_data = f"{len(data)}:{data}".encode('utf-8')
else:
raise ValueError("Unsupported data type")
return encoded_data将编码结果保存至文件，编码结果如下：
b'd8:announce32:https://www.example.com/announce4:infod6:lengthi1373744e4:name15:ChromeSetup.exe12:piece lengthi2097152e6:pieces20:;Id\xc5\xf6\xae\xad\x8d*\xeeH\x18\x97l\x04\x1c\xb4\x85\xb8\x1bee'
使用 qBittorrent 打开并进行校验，校验通过。
元数据文件-完
第一部分 元数据文件 暂时研究到这里，Tracker 通讯和节点通讯的内容在后续文章中补充，链接会放在这里：
最后，征文活动广告：
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。