有关torrent的那些事

想要自己实现一下bittorent tracker的功能。于是着手研究了一下bt协议。
采用的后端是Python+Flask。因为我对这这个框架运用比较熟悉了。当然这个框架意味着没有现成的项目可供参考。只能靠自己摸索了。

抓取客户端发来的请求，URL类似这样
```
/announce?info_hash=%ba%e7……&peer_id=-UT2040-%86V……&port=18500&uploaded=0&downloaded=0&left=0&corrupt=0&key=E0000000&event=started&numwant=200&compact=1&no_peer_id=1&ip=xx.xx.xx.xx HTTP/1.1
```
根据文档，我们知道，客户端每次与tracker的通讯，是通过HTTP GET的方式请求的，也就是说请求内容都直接写在URL上。%xx就是url编码（encode）后的结果。
为了判断请求合法性，首先就是要检查各个参数是否正常。那么第一步就是获取这些参数的内容了。
我参考了国内用的最多的NexusPHP Tracker的逻辑，首先对参数完整性和关键参数是否正常进行检查。然而第一步就出现了问题。
采用Flask框架自带的GET参数解码request.args.get函数，解码出的info_hash是乱码的，而且连长度都不统一。我开始怀疑是编码的问题，各种转码但是都无法解决甚至报错。无奈翻阅文档，确定了这个hashinfo是只有数字字母的。最后去搜索hash_info的url的构建过程，找到了stackoverflow上面的[这篇文章](https://stackoverflow.com/questions/1855815/calculating-info-hash-from-urlencoded-query-string
)，然后终于搞清楚了编解码的逻辑。

url中的infohash长这样
`%92%c345%c0%28%15%e4rr%b1y%17%b7%cbs%0a%ef%9a%fc`
如果我们把它像这样拆开，恰好有20组。
`%92` `%c3` `4` `5` `%c0`
`%28` `%15` `%e4` `r` `r`
`%b1` `y` `%17` `%b7` `%cb`
`s` `%0a` `%ef` `%9a` `%fc`
实际上，这就是把HASHINFO的**40个字符拆成20组两位16进制数**。如果有一组**16进制数对应的ASCII码恰好能组成字符**的话，那么就直接**写出这个字符**，而**不再保留**百分号和两位16进制数。否则就加上去。
我不知道是**哪个天才**想出来的睿智算法，**想打人**。

想要decode其实很简单，就是把raw的请求内容直接作为完整输入字符串，读取到百分号就把百分号去掉，对应的两位16进制数字保留下来。而不是%00格式的部分，直接转换为16进制的ASCII码。这样得到的就是正确的40字符的infohash了。

接下来的参数peer_id也是这样，
本来是标记客户端的，在url中的格式是`-UT2040-%86V%3eC%0c%a2%e3%97JY%94e`
没错，前面是`杠` `客户端版本` `杠`
后面又是那**该死的编码**
**解决方案：正则解析出这个部分，然后解码再合到一块。**

接下来丢出整块的代码
```python
def get_info_hash(full_path):
    """ Get raw info_hash from origin url"""
    result = re.search("info_hash=(.*?)&", full_path)
    if result:
        return result.group(1)
    else:
        return ""

def get_peer_id(full_path):
    """ Get raw peer_id from origin url"""
    result = re.search("peer_id=(.*?)&", full_path)
    if result:
        return result.group(1)
    else:
        return ""

def peer_id_decode(urlencoded_peerid):
    """ Decode raw peer_id and convert to origin 24 char peerid"""
    result = re.search("-(.*?)-(.*)", urlencoded_peerid)
    if result:
        version = result.group(1)
        feature = hash_decode(result.group(2))
        return "-{}-{}".format(version, feature)
    else:
        return urlencoded_peerid

def hash_decode(urlencoded_hash):
    """ Decode raw anything and convert to origin hash format.
     This fxxking encoding method, putting hashed char as a group of two-digit-hex-num,
     therefore, if one char group could be decoded as a hex number smaller than 128(in dec) or 80(in hex) 
     which means max ascii code, it will be directly decoded as a normal char with that ascii code.
     Otherwise, just add a % and write the two char after it.
     
     So what we do here is to remove the % of "bigger than 128" char group and convert normal char back to 
     two alphabet hex.
     
     
     """
    hexval=""
    i=0
    while(i<len(urlencoded_hash)):
        if urlencoded_hash[i] != '%':
            code=ord(urlencoded_hash[i]) # char to ascii number
            hex_ = hex(code)[2:] # convert number to hex char 
                                 # p.s. use [2:] to skip "0x" in normal Python hex format
            hexval += str(hex_)
            i += 1
        else:
            hexval += urlencoded_hash[i+1] + urlencoded_hash[i+2] # directly copy the two "hex char"
            i += 3
    return hexval
```

发表评论：

最近回复

分类

归档

友情链接

其它