bittorrent 种子文件结构解析

估计 80% 以上接触互联网的人都知道 bt 是什么东西，任何一个用 bt 下载的人都知道这样一个概念，种子。bt 种子就是记录了 p2p 对等网络中 tracker, nodes, files 等信息，也就是说，这个种子告诉你，你要下载什么，到哪里下载。bt 种子文件有自己的文件格式，下面简单看看 bt 种子文件的结构。

在开始之前，我们先介绍 bencode 这种编码格式，因为 bt 种子文件，包括以后的 DHT 网络中，都是用这种编码的。网上有很多介绍，这里简单再重复一遍。bencode 有 4 种数据类型: string, integer, list 和 dictionary。

1. string

   字符是以这种方式编码的: <字符串长度>:<字符串>。
   如 hell: 4:hell

2. integer

   整数是一这种方式编码的: i<整数>e。
   如 1999: i1999e

3. list

   列表是一这种方式编码的: l[数据1][数据2][数据3][…]e。
   如列表 [hello, world, 101]：l5:hello5:worldi101ee

4. dictionary

   字典是一这种方式编码的: d[key1][value1][key2][value2][…]e，其中 key 必须是 string 而且按照字母顺序排序。
   如字典 {aa:100, bb:bb, cc:200}： d2:aai100e2:bb2:bb2:cci200ee

很多语言都有 bencode 的实现，Python 版本可在 pypi 里面找到: bencode。

bt 种子文件是使用 bencode 编码的，整个文件就 dictionary，包含以下键。

1. info, dictinary, 必选, 表示该bt种子文件的文件信息。

   • 文件信息包括文件的公共部分

     piece length, integer, 必选, 每一数据块的长度
     pieces, string, 必选, 所有数据块的 SHA1 校验值
     publisher, string, 可选, 发布者
     publisher.utf-8, string, 可选, 发布者的 UTF-8 编码
     publisher-url, string, 可选, 发布者的 URL
     publisher-url.utf-8, string, 可选, 发布者的 URL 的 UTF-8 编码

   • 如果 bt 种子包含的是单个文件，包含以下内容

     name, string, 必选, 推荐的文件名称
     name.utf-8, string, 可选, 推荐的文件名称的 UTF-8 编码
     length, int, 必选， 文件的长度单位是字节

   • 如果是多文件，则包含以下部分:

     name, string, 必选, 推荐的文件夹名称
     name.utf-8, string, 可选, 推荐的文件名称的 UTF-8 编码
     files, list, 必选, 文件列表，每个文件列表下面是包括每一个文件的信息，文件信息是个字典。

   • 文件字典

     length, int, 必选， 文件的长度单位是字节
     path, string, 必选， 文件名称，包含文件夹在内
     path.utf-8, string, 必选， 文件名称 UTF-8 表示，包含文件夹在内
     filehash，string, 可选， 文件 hash。
     ed2k, string, 可选, ed2k 信息。

2. announce, string, 必选, tracker 服务器的地址

3. announce-list, list, 可选, 可选的 tracker 服务器地址

4. creation date， interger， 必选, 文件创建时间

5. comment， string, 可选, bt 文件注释

6. created by， string， 可选， 文件创建者。

上面列举的可能不是很完整的，但是大体上主要的字段没有重大的错误。