Torrent文件结构解析

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。

你可能感兴趣的:(P2P)