Torrent-文件格式详解.docx

Torrent文件格式分析

首先，我在网上找一个最近比较流行的大片《环太平洋》的torrent文件。通过用UE把它打开，我们来看一下此torrent文件的内容：

d8:announce39::8077/announce13:announce-listll39::8077/announceel30:http://tracker.prq.to/announceee8:codepagei936e13:creation datei1381766089e4:infod5:filesld6:lengthi202e4:pathl40:本片简介，海报，截图等，双击进入查看.urle10:path.utf-8l58:鏈墖绠€浠嬶紝娴锋姤锛屾埅鍥剧瓑锛屽弻鍑昏繘鍏ユ煡鐪?urleed6:lengthi275e4:pathl37:飞鸟网-和浪子一起来开心农场偷菜吧.urle10:path.utf-8l53:椋為笩缃?鍜屾氮瀛愪竴璧锋潵寮€蹇冨啘鍦哄伔鑿滃惂.urleed6:lengthi266e4:pathl45:飞鸟娱乐-边看电影边学英语，娱乐学习两不误.urle10:path.utf-8l65:椋為笩濞变箰-杈圭湅鐢靛奖杈瑰鑻辫锛屽ū涔愬涔犱袱涓嶈.urleed6:lengthi2640e4:pathl37:飞鸟娱乐论坛-超多最新爆爽资源下载.rtfe10:path.utf-8l53:椋為笩濞变箰璁哄潧-瓒呭鏈€鏂扮垎鐖借祫婧愪笅杞?rtfeed6:lengthi288e4:pathl45:飞鸟娱乐原创IMDB TOP250 经典大片 一网打尽.urle10:path.utf-8l59:椋為笩濞变箰鍘熷垱IMDB TOP250 缁忓吀澶х墖 涓€缃戞墦灏?urleed6:lengthi2195501970e4:pathl55:环太平洋 Pacific.Rim.2013.BluRay.720p.x264.AAC-LZHD.mp4e10:path.utf-8l59:鐜お骞虫磱 Pacific.Rim.2013.BluRay.720p.x264.AAC-LZHD.mp4eed6:lengthi266e4:pathl35:老调网-下载中英字幕电影的好地方.urle10:path.utf-8l50:鑰佽皟缃?涓嬭浇涓嫳瀛楀箷鐢靛奖鐨勫ソ鍦版柟.urleee4:name51:环太平洋 Pacific.Rim.2013.BluRay.720p.x264.AAC-LZHD10:name.utf-855:鐜お骞虫磱 Pacific.Rim.2013.BluRay.720p.x264.AAC-LZHD12:piece lengthi2097152e6:pieces20940:(此处省略20940个字节的hash值，每个piece的hash值占用20个字节，即20940/20=1047个piece。) 9:publisher8:飞鸟娱乐13:publisher-url21:19:publisher-url.utf-821:15:publisher.utf-812:椋為笩濞变箰e5:nodesll21:i6881eel20:i53eeee

下面我们开始详细讲解一下torrent文件格式：
B编码
为了在torrent文件中存储bt下载所需信息，需要一定规范记录这些信息，在这里torrent文件使用的是BEncode格式规范，和JSON一样，本质都是用来交换和存储信息。BEncode有四种存储类型：（字符串型、数值型、列表型、字典型）
1、 字符串[string]
字符串表示方式为：数字前缀:字符串，例如super表示为：5:super 数字前缀以十进制数字指出字符串的长度。例如：
0:””
4:大庆
6:daqing
15:
2、 数值[integers]
数值的表示方式为：以小写字母”i”开始，以小写字母”e”结尾，ie中间放置十进制数值。例如：
i0e 表示数字0（零）
i-3e 表示数字-3
i7e 表示数字7
3、 列表[list]
列表类型允许嵌套，列表中的可以存储列表，列表的表示方式：以小写字母”l”开始，以小写字母”e”结尾，le中间放置存储的内容。例如：
l7:figo’s4:blog3:url23:e
该list的内容为[‘super’s’ , ’blog’ , ’url’ , ’’]
l4:yeari2013ee
该list的内容为[‘year’,2013]
4、 字典[dictionary]
字典是为了让一个具体的名字[name]与一个具体的数据类型表示的数据关联，上面三种类型（字符串、整数、列表）的数据只是单纯的表示数据本身，并未有变量名来指出该数据名称。字典类似C语言变量的定义，例如定义一个名为strName的字符串如下：
Char *strName=NULL;
当strName指向字符串”Figo”时，那么当我们说strName时也即在说”Figo”。
BEncode中字典类型的存在，就是为了让数据与名称关联配对，也即dictionary后的数据要两两配对。这里需要注意的是，名称必须为string类型。
Dictionary可允许嵌套使用，表示方式：以小写字母’d’开始，以小写字母’e’结尾，de中间放置要存储的内容。如下：
d4:Name:4:Figo5:Hobbyl8:football5:sleep8:thinkingee
该dictionary内容为{
‘name’ = ‘Figo’,
’Hobby’ = [‘football’,’sleep’,’thinking’] }
d8:Name-dicd5:First4:Figo6:Second3:Tomee
该dictionary内容为{
‘Name-dic’= {
‘First’=’Figo’,
’Second’=’Tom’}
}
那么开头的torrent文件announce部分
d8:announce39::8077/announce13:announce-listll39::8077/announceel30:http://tracker.prq.to/announceee8:codepagei936e13:creation datei1381766089e
即可理解为：
announce = [ ‘:8077/announce’]
announce-list = [‘:8077/announce’,’http://tracker.prq.to/announce’]
codepage = 936 #代码936 简体中文GBK
creation date = 1381766089 #unix时间格式，此处是2013-10-14 23:54:49

种子文件结构
关键字
含义
info
该关键字对应的值是一个字典，它有两种模式，”single file”和”multiple file”：单文件模式和多文件模式，单文件模式是指共享的文件只有一个，多文件模式是指提供共享的文件不止一个，而是两个或两个以上，如果使用BT软件下载一部影片时，影片的上下部分可能分别放在不同的文件里。
announce
必选
该关键字的值为Tracker的URL。
announce-list
可选
它的值存放的是备用Tracker的URL。
creation-date
可选
该关键字对应的值存放的是种子文件创建的时间。
comment
可选
它的值存放的是种子文件制作者的备注信息。
created by
可选
值存放生成种子文件的BT客户端软件的信息，如客户端名、版本号。

在bitTorrent规范中，torrent文件又被称作Metainfo files，其主要有announce部分和info部分组成。
1、announce部分（红色表示必选，蓝色部分表示可选）
例如：

announce
默认的tracker服务器地址
announce-list
(对标准的扩展)备选的tracker服务器列表，这里需要说明一下备选服务器的选择和尝试连接顺序。如下的表示为announce-list的一种表示：
{‘announce-list’ = [ [tracker1,tracker2,tracker3], [backup2-list], [backup3-list] ] }
在bt客户端程序连接tracker服务器时，对于announce-list的处理过程如下：
1)、首先依次尝试连接第一个列表提供的url，如果tracker1无响应，尝试tracker2.当tracker2连接成功时，则第一个备份列表中的处理顺序变为：
[tracker2,tracker1,tracker3]
2)、如果第一个备份列表依次连接失败，则尝试backup2-list。如果backup2-list也依次连接失败。则尝试连接backup3-list。但是backup2-list与backup3-list不会因为连接失败而像backup1-list那样改变处理顺序；
3)、改变的list顺序只对此次程序连接尝试顺序有影响，原始的torrent文件并不更改，下次重启程序后依旧按照torrent文件中的announce-list次序尝试。
creation date
torrent文件的创建时间，为UNIX时间格式。
comment
string类型，是关于torrent文件的描述信息。
created by
创建此torrent文件的程序信息。
encoding
指出info中pieces部分的编码类型，一般为UTF-8，有时也会遇到GBK。
例如文件前面的B编码
d8:announce39::8077/announce13:announce-listll39::8077/announceel30:http://tracker.prq.to/announceee8:codepagei936e13:creation datei1381766089e
可分解为
d
8:announce
39::8077/announce

13:announce-list
l
l39::8077/announcee
l30:http://tracker.prq.to/announcee
e

8:codepage
i936e

13:creation date
i1381766089e

#上图中：D表示字典型、S表示字符串型、L表示列表型、N表示数值型

2、info部分（红色表示必须的部分，蓝色部分表示可选的部分）
这里需要注意info部分的单文件传输和多文件传输时的不同：单文件传输是指torrent文件只存储了单个文件下载信息；多文件传输指torrent中存储了一个以上的文件下载信息。
关键字
含义
piece length
每个piece的长度，值是B编码类型，通常为i262144e，即256K
pieces
字符串类型，存放每个piece的hash值，这个字符串长度一定是20的倍数，因为每个piece的hash值的长度为20字节。
private
该值如果为1，则表明客户端必须通过连接Tracker来获取其他下载者信息，即peer的IP地址和端口号；如果为0，则表明客户端还可以通过其它方式获取peer的IP地址和端口号，如DHT方式，DHT(Distribute Hash Tabel)即分布式哈希表，它是一种以分布式的方式来获取peer的方法，现在许多BT客户端既支持通过Tracker来获取peer，也支持通过DHT来获取peer，如果种子文件中没有private关键字，则表明不限制一定要通过连接tracker来获取peer。
单文件
name
共享文件的文件名，也就是要下载的文件的文件名。
length
共享文件的长度，以byte为单位。
md5sum
可选，是共享文件的md5值，这个值在bt协议中根本不是用。
多文件
name
存放共享文件的文件夹名字。
file
它的值是一个列表，含有多个字典，每个共享文件为一个字典。每个字典中含有三个关键字：length、md5sum、path
files字典
length
共享文件的长度，以byte为单位。
md5sum
可选，同上。
path
存放共享文件的路径和文件名。

1)、单文件传输形式：
name
要下载的文件名字
length
要下载文件的大小（单位为byte）
md5sum
32为的16进制MD5字符串。
piece length
要下载文件按照piece length指定大小分片，此处指明单个分片大小。
pieces
存储每个分片的SHA1值(每个SHA1的hash长度为20byte)
例如:目标文件大小FileSpace为 1039143285 bytes,文件每个分片大小PerPieceSpace为 1048576 bytes,计算可得：
1039143285 = 1048576 x 991 + 4469
即 FileSpace= PerPieceSpace*991 + 4469
目标文件按照指定大小分片后，为991个满足分片大小的分片文件和1个余数文件，总共是992个小文件。
其存储的SHA1每个长度为20 bytes，进而可知pieces中存储的SHA1个数为：
NumberOfSHA1 = 19840/20 = 992
即torrent文件的pieces中存储了992个SHA1值。这样每个小文件都对应上了一个SHA1校验值。

2）、多文件传输形式
files
表示该torrent为多文件形式，每个文件都是dictionary类型数据表示。
name
表示多个文件存储在以name命名的文件夹。
length
要下载文件的大小（单位为byte）
path
指出要下载文件存储相对于name字段表示的文件夹的位置。
假设name为dir1，此时：
1) 如果path值为file1.rmvb，表示file1.rmvb的存储路径为dir1\file1.rmvb
2) 如果path值为dir2\file1.rmvb，表示file1.rmvb的存储路径为dir1\dir2\file1.rmvb
md5sum
32位的16进制MD5值字符串。
piece length
要下载文件安装piece length指定大小分片，此处指明单个分片大小。
pieces
存储每个分片的SHA1值（每个SHA1的hash长度为20字节）

下面我们看一下info部分的示例：

4:infod5:filesld6:lengthi202e4:pathl40:本片简介，海报，截图等，双击进入查看.urle10:path.utf-8l58:鏈墖绠€浠嬶紝娴锋姤锛屾埅鍥剧瓑锛屽弻鍑昏繘鍏ユ煡鐪?urleed6:lengthi275e4:pathl37:飞鸟网-和浪子一起来开心农场偷菜吧.urle10:path.utf-8l53:椋為笩缃?鍜屾氮瀛愪竴璧锋潵寮€蹇冨啘鍦哄伔鑿滃惂.urleed6:lengthi266e4:pathl45:飞鸟娱乐-边看电影边学英语，娱乐学习两不误.urle10:path.utf-8l65:椋為笩濞变箰-杈圭湅鐢靛奖杈瑰鑻辫锛屽ū涔愬涔犱袱涓嶈.urleed6:lengthi2640e4:pathl37:飞鸟娱乐论坛-超多最新爆爽资源下载.rtfe10:path.utf-8l53:椋為笩濞变箰璁哄潧-瓒呭鏈€鏂扮垎鐖借祫婧愪笅杞?rtfeed6:lengthi288e4:pathl45:飞鸟娱乐原创IMDB TOP250 经典大片 一网打尽.urle10:path.utf-8l59:椋為笩濞变箰鍘熷垱IMDB TOP250 缁忓吀澶х墖 涓€缃戞墦灏?urleed6:lengthi2195501970e4:pathl55:环太平洋 Pacific.Rim.2013.BluRay.720p.x264.AAC-LZHD.mp4e10:path.utf-8l59:鐜お骞虫磱 Pacific.Rim.2013.BluRay.720p.x264.AAC-LZHD.mp4eed6:lengthi266e4:pathl35:老调网-下载中英字幕电影的好地方.urle10:path.utf-8l50:鑰佽皟缃?涓嬭浇涓嫳瀛楀箷鐢靛奖鐨勫ソ鍦版柟.urleee4:name51:环太平洋 Pacific.Rim.2013.BluRay.720p.x264.AAC-LZHD10:name.utf-855:鐜お骞虫磱 Pacific.Rim.2013.BluRay.720p.x264.AAC-LZHD12:piece lengthi2097152e6:pieces20940: (此处省略20940个字节的hash值，每个piece的hash值占用20个字节，即20940/20=1047个piece。) 9:publisher8:飞鸟娱乐13:publisher-url21:19:publisher-url.utf-821:15:publisher.utf-812:椋為笩濞变箰e5:nodesll21:i6881eel20:i53eeee

分解文件为
4:info
d
5:files
l
d
6:length
i202e
4:path
l40:本片简介，海报，截图等，双击进入查看.urle
10:path.utf-8
l58:鏈墖绠€浠嬶紝娴锋姤锛屾埅鍥剧瓑锛屽弻鍑昏繘鍏ユ煡鐪?urle
e
d
6:length
i275e
4:path
l37:飞鸟网-和浪子一起来开心农场偷菜吧.urle
10:path.utf-8
l53:椋為笩缃?鍜屾氮瀛愪竴璧锋潵寮€蹇冨啘鍦哄伔鑿滃惂.urle
e
d
6:length
i266e
4:path
l45:飞鸟娱乐-边看电影边学英语，娱乐学习两不误.urle
10:path.utf-8
l65:椋為笩濞变箰-杈圭湅鐢靛奖杈瑰鑻辫锛屽ū涔愬涔犱袱涓嶈.urle
e
d
6:length
i2640e
4:path
l37:飞鸟娱乐论坛-超多最新爆爽资源下载.rtfe
10:path.utf-8
l53:椋為笩濞变箰璁哄潧-瓒呭鏈€鏂扮垎鐖借祫婧愪笅杞?rtfe
e
d
6:length
i288e
4:path
l45:飞鸟娱乐原创IMDB TOP250 经典大片 一网打尽.urle
10:path.utf-8
l59:椋為笩濞变箰鍘熷垱IMDB TOP250 缁忓吀澶х墖 涓€缃戞墦灏?urle
e
d
6:length
i2195501970e
4:path
l55:环太平洋 Pacific.Rim.2013.BluRay.720p.x264.AAC-LZHD.mp4e
10:path.utf-8
l59:鐜お骞虫磱 Pacific.Rim.2013.BluRay.720p.x264.AAC-LZHD.mp4e
e
d
6:length
i266e
4:path
l35:老调网-下载中英字幕电影的好地方.urle
10:path.utf-8
l50:鑰佽皟缃?涓嬭浇涓嫳瀛楀箷鐢靛奖鐨勫ソ鍦版柟.urle
e
e #这是紧随files后L的结束符。

4:name
51:环太平洋 Pacific.Rim.2013.BluRay.720p.x264.AAC-LZHD #存放共享文件的文件夹名字

10:name.utf-8
55:鐜お骞虫磱 Pacific.Rim.2013.BluRay.720p.x264.AAC-LZHD

12:piece length
i2097152e

6:pieces
20940:.................... #20940/20=1047个piece

9:publisher
8:飞鸟娱乐

13:publisher-url
21:

19:publisher-url.utf-8
21:

15:publisher.utf-8
12:椋為笩濞变箰
e #这个e是紧随info后面d的结束符

5:nodes
l
l
21:
i6881e
e
l
20:
i53e
e
e
e #这个e是文件开头d的结束符

#这个nodes部分是torrent文件的扩展，包含IP和端口的列表，用于连接DHT网络的初始节点，并通过这些节点进行find_node。最终维护一张完整的DHT路由表。

至此！torrent文件格式全部讲解完毕，有时间再把BT的通信过程总结一下以作编程及（P2SP、P4P）网络使用。