使用C++编写一个DHT爬虫，实现从DHT 络爬取BT种子

• 1、前言
• 2、相关术语
• • 2.1、P2P 络
  • 2.2、DHT 络
  • 2.3、Kademlia算法
  • 2.4、KRPC协议
  • 2.5、MagNet协议
• 3、BT下载的一些概念梳理
• • 3.1、BT软件下载原理
  • 3.2、迅雷获取种子的速度为什么那么快
  • 3.3、资源时效性问题
  • 3.4、好用的BT软件
  • 3.5、有没有已经编写好的DHT爬虫
• 4、使用C++编写DHT爬虫
• • 4.1、实现原理
  • 4.2、实现DHT协议
  • • 4.2.1、创建UDP服务
    • 4.2.2、加入DHT 络
    • 4.2.3、 文解析
    • 4.2.4、对不同类型 文进行处理、回复
    • 4.2.5、隐藏自己，防止被其他节点拉进黑名单
    • 4.2.6、获取info_hash和peer
  • 4.3、实现BitTorrent协议
  • • 4.3.1、HandShake（握手）
    • 4.3.2、Extend HandShake（扩展握手）
    • 4.3.3、获取metadata
    • 4.3.4、制作torrent文件
• 4、总结

2、相关术语

2.1、P2P 络

DHT（Distributed Hash Table，分布式哈希表），DHT由节点组成，它存储peer的位置，是一种分布式存储方法。在不需要服务器的情况下，每个客户端负责一个小范围的路由，并负责存储一小部分数据，从而实现整个DHT 络的寻址和存储，其中BT客户端包含一个DHT节点，用来联系DHT中其他节点，从而得到peer的位置，进而通过下载。
简单点来说DHT就是负责管理提供信息和服务节点的管理与路由功能，这里有两个需要区分的概念：

• peer：是在一个 TCP 端口上监听的客户端/服务器，它实现了BitTorrent协议
• 节点：是在一个 UDP 端口上监听的客户端/服务器，它实现了DHT(分布式哈希表) 协议

2.3、Kademlia算法

Kademlia是DHT 络的一种实现。在Kademlia 络中，距离是通过异或(XOR)计算的，结果为无符 整数。distance(A, B) = |A xor B|，数值越小表示越近两个节点越接近，详细说明可以自行百度查阅。

2.4、KRPC协议

KRPC是节点之间的交互协议，是由B编码组成的一个简单的RPC结构，它使用UDP 文发送，一个独立的请求包发出去，然后由另一个独立的包来回复（这也是UDP无连接特性所决定的，所以协议中肯定也会有让我们区分 文包的方法），要注意的是这个协议没有重发机制。

2.5、MagNet协议

MagNet协议，也就是磁力链接。是一个通过sha1算法生成一个20字节长的字符串，P2P客户端使用磁力链接，下载资源的种子文件，然后根据种子文件下载资源。

3、BT下载的一些概念梳理

3.1、BT软件下载原理

BT软件使用，通过击鼓传花的方式，在DHT 络上搜寻磁力链接对应的资源，当找到拥有此资源的peer之后，使用先将种子下载下来，然后根据种子文件内容下载对应的资源。

3.2、迅雷获取种子的速度为什么那么快

从理论上来讲，由于BT软件要先去DHT 络搜寻种子，这个过程时需要耗费一定时间的，所以要做到大部分资源都迅速响应是不可能的，迅雷那么快的原因只有一个，就是迅雷自己有种子库，里面缓存了其他用户下载过的种子或者迅雷自己平时在DHT上面爬取的种子。

3.3、资源时效性问题

当DHT 络上持有某一资源的peer全部停止工作后，资源自然也就下不了了，迅雷由于自己有服务器缓存了以往一些热门的资源，所以往往会给人造成资源还在的假象，其实此时是迅雷自己充当服务器给你下发资源而已（这也就是为什么有些资源充了VIP才能下的原因了，毕竟服务器不能让你白用）。

3.4、好用的BT软件

既然BT的原理都是加上，所以不同软件下载速度啥的应该差别不大（有服务器缓存支撑的软件除外），比较出名的BT软件有迅雷、uTorrent、qBittorrent、比特彗星、Transmission、aria2等等，大家可以自行去百度去搜索。

3.5、有没有已经编写好的DHT爬虫

答案当然是有的啦，所有BT软件肯定都实现了和，可以看一些开源的BT软件里面的实现方法，有个叫做的库非常著名，很多BT软件都是将其套个壳做出来的，只不过代码写的比较复杂，看起来有点难受。于是乎就想看看有没有人已经用比较简单的方式实现了DHT爬虫，而通过查阅了很多文章，发现有些人是只实现了DHT协议，然后拿那些通过DHT 络爬取到的hash去开源种子库获取种子，有些就是没有把BitTorrent协议的实现方法开源出来，所以萌生了自己做一个完整的DHT爬虫的想法（开源库无法获取到最新的资源，而且速度肯定是不如直接在DHT 络爬取的）。

4、使用C++编写DHT爬虫

4.1、实现原理

伪装成DHT节点加入DHT 络中收集信息，爬虫主要收集get_peer、announce_peer这两个请求的信息。当收到get_peer或者announce_peer的请求时，直接使用从请求发起者下载对应的种子信息（获取不到种子的概率会比较大，原因大家自行完整看一下DHT协议就明白了）
这里有一个疑问，要如何加入DHT 络，通过查看其他大神们的开源代码，我发现基本都是ping下面三个节点来加入DHT 络的

4.2、实现DHT协议

4.2.1、创建UDP服务

创建一个UDP服务，监听6881端口（DHT默认端口，可以自行修改，理论上啥端口都可以）

4.2.2、加入DHT 络

通过ping上面那几个节点来将自己加入到DHT 络中，这样才能获取到节点的消息，实现如下：

4.2.3、 文解析

收到其他节点发过来的 文之后，进行 文解析，DHT 络中互相之间通信的格式是B编码，不了解B编码的可以去看这篇文章《B编码与BT种子文件分析，以及模仿json-cpp写一个B编码解析器》，解析 文的代码如下：