Torrent文件结构解析

http://hi.baidu.com/beisika/blog/item/c8b68f13a34a3e31dd54015c.html

Torrent文件内的数据结构分为以下几部分： 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都在这个字段里，它包括多个子字段，而且根据下载的是单个文件还是多个文件，子字段的项目会不同。 当种子里包含多个文件时，info字段包括如下子字段： files：表示文件的名字，大小，该字段包含如下三个子字段：         lenghth：文件的大小，用byte计算          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 以上的三个字段每个文件都有一组值。 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，用Byte计算 pieces： 文件的特征信息，该字段比较大，实际上是种子内包含所有的文件段的SHA1的校验值的连接，即将所有文件按照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就形成了pieces字段，由于SHA1的校验值为20Byte，所以该字段的大小始终为20的整数倍字节。该字段是Torrent文件中体积最大的部分，可见如果大文件分块很小，会造成Torrent文件体积庞大。 publisher： 文件发布者的名字 publisher.utf-8： 文件发布者的名字的utf-8编码 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。 另外，当发布单文件时，files字段是没有的，而 lenghth: name： name.utf-8: 这三个字段负责描述单文件的属性：大小，名字，名字的utf-8编码。其他项目和多文件相同。 以上的项目即为info字段的全部。 说到info就不得不说INFO_HASH，这个值是info字段的HASH值，20个Byte，同样是使用SHA1作为HASH函数。由于info字段是发布的文件信息构成的，所以INFO_HASH在BT协议中是用来识别不同的种子文件的。基本上每个种子文件的INFO_HASH都是不同的(至少现在还没有人发现有SHA的冲突)，所以BT服务器以及客户端都是以这个值来识别不同的种子文件的。 计算的具体范围是从info字段开始(不包含"info"这四个字节)，一直到nodes字段为止(不包含"nodes"这5个字节和nodes前边表示nodes字段长度的"5:"这两个字节)。另外，INFO_HASH值是即时计算的，并不包含在Torrent文件中。 nodes: 最后的一个字段是nodes字段，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。 综上，多文件Torrent的结构的树形图为： Multi-file Torrent ├─announce ├─announce-list ├─comment ├─comment.utf-8 ├─creation date ├─encoding ├─info │ ├─files │ │ ├─length │ │ ├─path │ │ └─path.utf-8 │ ├─name │ ├─name.utf-8 │ ├─piece length │ ├─pieces │ ├─publisher │ ├─publisher-url │ ├─publisher-url.utf-8 │ └─publisher.utf-8 └─nodes 单文件Torrent的结构的树形图为： Single-File Torrent ├─announce ├─announce-list ├─comment ├─comment.utf-8 ├─creation date ├─encoding ├─info │ ├─length │ ├─name │ ├─name.utf-8 │ ├─piece length │ ├─pieces │ ├─publisher │ ├─publisher-url │ ├─publisher-url.utf-8 │ └─publisher.utf-8 └─nodes 下面是一个实际的例子来说明Torrent文件的实际结构： 首先要了解在Torrent文件里数据的逻辑表示方法 字符串： 字符串由 字符个数:字符串 的形式构成，比如 5:files 就表示"files" 整数： Torrent用10进制来表示整数，由 i数字e 的形式构成，如 i50e 就表示50 列表： 列表由 l 开头，e 结尾，中间是多个字符串，如 l5:files4:infoe 就表示 ["files","info"] 字典： 由 d 开头，e 结尾，中间可以是任何结构， 如 d5:filesl4:info3:eggee 就表示 {files, ["info, "egg""]} 示例的文件是一个由包含三个pdf文件的Torrent，在目录 MySampleTorrent 内，目录结构为： MySampleTorrent ├─protocol.pdf ├─Draft_DHT_protocol.pdf └─fast_extensions.pdf 通过BitComet制作出的Torrent文件名为 MySampleTorrent.torrent，大小为 976 Byte，分块大小为8M，以下是用WinHex打开该Torrent的显示： 由上图可以得到的信息对应结构树： ├─announce -> http://www.sample.org/announce ├─announce-list ├─comment ->This is a sample comment of thsi torrent file. ├─comment.utf-8 ->This is a sample comment of thsi torrent file. ├─creation date ->1182679174 ├─encoding ->Shift-JIS ├─info │ ├─files │ │ ├─length ->59126 │ │ ├─path ->Draft_DHT_protocol.pdf │ │ └─path.utf-8 ->Draft_DHT_protocol.pdf │ ├─name ->MySampleTorrent │ ├─name.utf-8 ->MySampleTorrent │ ├─piece length ->8388608 │ ├─pieces ->751CE8FD85D69D5EDEB31F6B15F3C729587BDDD6 │ ├─publisher ->Ci Bech │ ├─publisher-url ->http://www.cibech.cn │ ├─publisher-url.utf-8 │ └─publisher.utf-8 └─nodes 由于只有一个Tracker，所以没有 announce-list ，其余不在图上的信息就不列举了。 这和uTorrent读到的结果是一致的 再来看看校验码的部分，由于设置为8M的文件分块，而总文件大小不到1M，所以三个文件混合成一个块来计算SHA1值。所以先将三个文件用2进制方式合并成一个，再计算SHA1值，如下： 对比这里划白线的SHA1值，是否和上面文件中的一致。 pieces ->751CE8FD85D69D5EDEB31F6B15F3C729587BDDD6 另外看看INFO_HASH的计算，先将INFO部分用WinHex拷贝出来，单独形成一个文件，命名为 info.part ，需要拷贝的部分如图中所选择部分 红线标识出了开始和结尾，同样，计算该文件的SHA1值，得到结果如下： 将这个校验值和BitComet计算的特征码比较 结果是一致的。 BT的服务器同样是根据这部分计算的特征值，确保了无相同的torrent被上传。而 BT客户端也是根据这个 INFO_HASH来请求Peer的。