• <fieldset id="8imwq"><menu id="8imwq"></menu></fieldset>
  • <bdo id="8imwq"><input id="8imwq"></input></bdo>
    最新文章專題視頻專題問答1問答10問答100問答1000問答2000關(guān)鍵字專題1關(guān)鍵字專題50關(guān)鍵字專題500關(guān)鍵字專題1500TAG最新視頻文章推薦1 推薦3 推薦5 推薦7 推薦9 推薦11 推薦13 推薦15 推薦17 推薦19 推薦21 推薦23 推薦25 推薦27 推薦29 推薦31 推薦33 推薦35 推薦37視頻文章20視頻文章30視頻文章40視頻文章50視頻文章60 視頻文章70視頻文章80視頻文章90視頻文章100視頻文章120視頻文章140 視頻2關(guān)鍵字專題關(guān)鍵字專題tag2tag3文章專題文章專題2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章專題3
    問答文章1 問答文章501 問答文章1001 問答文章1501 問答文章2001 問答文章2501 問答文章3001 問答文章3501 問答文章4001 問答文章4501 問答文章5001 問答文章5501 問答文章6001 問答文章6501 問答文章7001 問答文章7501 問答文章8001 問答文章8501 問答文章9001 問答文章9501
    當前位置: 首頁 - 科技 - 知識百科 - 正文

    使用Python編寫基于DHT協(xié)議的BT資源爬蟲

    來源:懂視網(wǎng) 責編:小采 時間:2020-11-27 14:35:37
    文檔

    使用Python編寫基于DHT協(xié)議的BT資源爬蟲

    使用Python編寫基于DHT協(xié)議的BT資源爬蟲:關(guān)于DHT協(xié)議 DHT協(xié)議作為BT協(xié)議的一個輔助,是非常好玩的。它主要是為了在BT正式下載時得到種子或者BT資源。傳統(tǒng)的網(wǎng)絡(luò),需要一臺中央服務(wù)器存放種子或者BT資源,不僅浪費服務(wù)器資源,還容易出現(xiàn)單點的各種問題,而DHT網(wǎng)絡(luò)則是為了去中心化,也就是說任意時刻
    推薦度:
    導(dǎo)讀使用Python編寫基于DHT協(xié)議的BT資源爬蟲:關(guān)于DHT協(xié)議 DHT協(xié)議作為BT協(xié)議的一個輔助,是非常好玩的。它主要是為了在BT正式下載時得到種子或者BT資源。傳統(tǒng)的網(wǎng)絡(luò),需要一臺中央服務(wù)器存放種子或者BT資源,不僅浪費服務(wù)器資源,還容易出現(xiàn)單點的各種問題,而DHT網(wǎng)絡(luò)則是為了去中心化,也就是說任意時刻
    關(guān)于DHT協(xié)議

    DHT協(xié)議作為BT協(xié)議的一個輔助,是非常好玩的。它主要是為了在BT正式下載時得到種子或者BT資源。傳統(tǒng)的網(wǎng)絡(luò),需要一臺中央服務(wù)器存放種子或者BT資源,不僅浪費服務(wù)器資源,還容易出現(xiàn)單點的各種問題,而DHT網(wǎng)絡(luò)則是為了去中心化,也就是說任意時刻,這個網(wǎng)絡(luò)總有節(jié)點是亮的,你可以去詢問問這些亮的節(jié)點,從而將自己加入DHT網(wǎng)絡(luò)。

    要實現(xiàn)DHT協(xié)議的網(wǎng)絡(luò)爬蟲,主要分3步,第一步是得到資源信息(infohash,160bit,20字節(jié),可以編碼為40字節(jié)的十六進制字符串),第二步是確認這些infohash是有效的,第三步是通過有效的infohash下載到BT的種子文件,從而得到對這個資源的完整描述。

    其中第一步是其他節(jié)點用DHT協(xié)議中的get_peers方法向爬蟲發(fā)送請求得到的,第二步是其他節(jié)點用DHT協(xié)議中的announce_peer向爬蟲發(fā)送請求得到的,第三步可以有幾種方式得到,比如可以去一些保存種子的網(wǎng)站根據(jù)infohash直接下載到,或者通過announce_peer的節(jié)點來下載到,具體如何實現(xiàn),可以取決于你自己的爬蟲。

    DHT協(xié)議中的主要幾個操作:

    主要負責通過UDP與外部節(jié)點交互,封裝4種基本操作的請求以及相應(yīng)。

    ping:檢查一個節(jié)點是否“存活”

    在一個爬蟲里主要有兩個地方用到ping,第一是初始路由表時,第二是驗證節(jié)點是否存活時

    find_node:向一個節(jié)點發(fā)送查找節(jié)點的請求

    在一個爬蟲中主要也是兩個地方用到find_node,第一是初始路由表時,第二是驗證桶是否存活時

    get_peers:向一個節(jié)點發(fā)送查找資源的請求

    在爬蟲中有節(jié)點向自己請求時不僅像個正常節(jié)點一樣做出回應(yīng),還需要以此資源的info_hash為機會盡可能多的去認識更多的節(jié)點。如圖,get_peers實際上最后一步是announce_peer,但是因為爬蟲不能announce_peer,所以實際上get_peers退化成了find_node操作。

    2016319114959666.png (204×120)

    announce_peer:向一個節(jié)點發(fā)送自己已經(jīng)開始下載某個資源的通知

    爬蟲中不能用announce_peer,因為這就相當于通報虛假資源,對方很容易從上下文中判斷你是否通報了虛假資源從而把你禁掉。

    基于Python的DHT爬蟲
    修改自github開源爬蟲,原作者名字有些。,這里直接將項目地址列出:https://github.com/Fuck-You-GFW/simDHT,有g(shù)ithub帳號的請給原作者star,后續(xù)我將結(jié)果放入db,外加用tornado做一個簡單的查詢界面出來放在github上,先備份一下代碼

    #!/usr/bin/env python
    # encoding: utf-8
    
    import socket
    from hashlib import sha1
    from random import randint
    from struct import unpack
    from socket import inet_ntoa
    from threading import Timer, Thread
    from time import sleep
    from collections import deque
    
    from bencode import bencode, bdecode
    
    BOOTSTRAP_NODES = (
     ("router.bittorrent.com", 6881),
     ("dht.transmissionbt.com", 6881),
     ("router.utorrent.com", 6881)
    )
    TID_LENGTH = 2
    RE_JOIN_DHT_INTERVAL = 3
    TOKEN_LENGTH = 2
    
    
    def entropy(length):
     return "".join(chr(randint(0, 255)) for _ in xrange(length))
    
    
    def random_id():
     h = sha1()
     h.update(entropy(20))
     return h.digest()
    
    
    def decode_nodes(nodes):
     n = []
     length = len(nodes)
     if (length % 26) != 0:
     return n
    
     for i in range(0, length, 26):
     nid = nodes[i:i+20]
     ip = inet_ntoa(nodes[i+20:i+24])
     port = unpack("!H", nodes[i+24:i+26])[0]
     n.append((nid, ip, port))
    
     return n
    
    
    def timer(t, f):
     Timer(t, f).start()
    
    
    def get_neighbor(target, nid, end=10):
     return target[:end]+nid[end:]
    
    
    class KNode(object):
    
     def __init__(self, nid, ip, port):
     self.nid = nid
     self.ip = ip
     self.port = port
    
    
    class DHTClient(Thread):
    
     def __init__(self, max_node_qsize):
     Thread.__init__(self)
     self.setDaemon(True)
     self.max_node_qsize = max_node_qsize
     self.nid = random_id()
     self.nodes = deque(maxlen=max_node_qsize)
    
     def send_krpc(self, msg, address):
     try:
     self.ufd.sendto(bencode(msg), address)
     except Exception:
     pass
    
     def send_find_node(self, address, nid=None):
     nid = get_neighbor(nid, self.nid) if nid else self.nid
     tid = entropy(TID_LENGTH)
     msg = {
     "t": tid,
     "y": "q",
     "q": "find_node",
     "a": {
     "id": nid,
     "target": random_id()
     }
     }
     self.send_krpc(msg, address)
    
     def join_DHT(self):
     for address in BOOTSTRAP_NODES:
     self.send_find_node(address)
    
     def re_join_DHT(self):
     if len(self.nodes) == 0:
     self.join_DHT()
     timer(RE_JOIN_DHT_INTERVAL, self.re_join_DHT)
    
     def auto_send_find_node(self):
     wait = 1.0 / self.max_node_qsize
     while True:
     try:
     node = self.nodes.popleft()
     self.send_find_node((node.ip, node.port), node.nid)
     except IndexError:
     pass
     sleep(wait)
    
     def process_find_node_response(self, msg, address):
     nodes = decode_nodes(msg["r"]["nodes"])
     for node in nodes:
     (nid, ip, port) = node
     if len(nid) != 20: continue
     if ip == self.bind_ip: continue
     if port < 1 or port > 65535: continue
     n = KNode(nid, ip, port)
     self.nodes.append(n)
    
    
    class DHTServer(DHTClient):
    
     def __init__(self, master, bind_ip, bind_port, max_node_qsize):
     DHTClient.__init__(self, max_node_qsize)
    
     self.master = master
     self.bind_ip = bind_ip
     self.bind_port = bind_port
    
     self.process_request_actions = {
     "get_peers": self.on_get_peers_request,
     "announce_peer": self.on_announce_peer_request,
     }
    
     self.ufd = socket.socket(socket.AF_INET, socket.SOCK_DGRAM, socket.IPPROTO_UDP)
     self.ufd.bind((self.bind_ip, self.bind_port))
    
     timer(RE_JOIN_DHT_INTERVAL, self.re_join_DHT)
    
    
     def run(self):
     self.re_join_DHT()
     while True:
     try:
     (data, address) = self.ufd.recvfrom(65536)
     msg = bdecode(data)
     self.on_message(msg, address)
     except Exception:
     pass
    
     def on_message(self, msg, address):
     try:
     if msg["y"] == "r":
     if msg["r"].has_key("nodes"):
     self.process_find_node_response(msg, address)
     elif msg["y"] == "q":
     try:
     self.process_request_actions[msg["q"]](msg, address)
     except KeyError:
     self.play_dead(msg, address)
     except KeyError:
     pass
    
     def on_get_peers_request(self, msg, address):
     try:
     infohash = msg["a"]["info_hash"]
     tid = msg["t"]
     nid = msg["a"]["id"]
     token = infohash[:TOKEN_LENGTH]
     msg = {
     "t": tid,
     "y": "r",
     "r": {
     "id": get_neighbor(infohash, self.nid),
     "nodes": "",
     "token": token
     }
     }
     self.send_krpc(msg, address)
     except KeyError:
     pass
    
     def on_announce_peer_request(self, msg, address):
     try:
     infohash = msg["a"]["info_hash"]
     #print msg["a"]
     tname = msg["a"]["name"]
     token = msg["a"]["token"]
     nid = msg["a"]["id"]
     tid = msg["t"]
    
     if infohash[:TOKEN_LENGTH] == token:
     if msg["a"].has_key("implied_port") and msg["a"]["implied_port"] != 0:
     port = address[1]
     else:
     port = msg["a"]["port"]
     if port < 1 or port > 65535: return
     self.master.log(infohash, (address[0], port),tname)
     except Exception:
     pass
     finally:
     self.ok(msg, address)
    
     def play_dead(self, msg, address):
     try:
     tid = msg["t"]
     msg = {
     "t": tid,
     "y": "e",
     "e": [202, "Server Error"]
     }
     self.send_krpc(msg, address)
     except KeyError:
     pass
    
     def ok(self, msg, address):
     try:
     tid = msg["t"]
     nid = msg["a"]["id"]
     msg = {
     "t": tid,
     "y": "r",
     "r": {
     "id": get_neighbor(nid, self.nid)
     }
     }
     self.send_krpc(msg, address)
     except KeyError:
     pass
    
    
    class Master(object):
     def log(self, infohash,address=None,tname=None):
     hexinfohash = infohash.encode("hex")
     print "info_hash is: %s,name is: %s from %s:%s" % (
     hexinfohash,tname, address[0], address[1]
     )
     print "magnet:?xt=urn:btih:%s&dn=%s" % (hexinfohash, tname)
    
    
    # using example
    if __name__ == "__main__":
     # max_node_qsize bigger, bandwith bigger, speed higher
     dht = DHTServer(Master(), "0.0.0.0", 6882, max_node_qsize=200)
     dht.start()
     dht.auto_send_find_node()
    
    

    PS: DHT協(xié)議中有幾個重點的需要澄清的地方:

    1. node與infohash同樣使用160bit的表示方式,160bit意味著整個節(jié)點空間有2^160 = 730750818665451459101842416358141509827966271488,是48位10進制,也就是說有百億億億億億個節(jié)點空間,這么大的節(jié)點空間,是足夠存放你的主機節(jié)點以及任意的資源信息的。

    2. 每個節(jié)點有張路由表。每張路由表由一堆K桶組成,所謂K桶,就是桶中最多只能放K個節(jié)點,默認是8個。而桶的保存則是類似一顆前綴樹的方式。相當于一張8桶的路由表中最多有160-4個K桶。

    3. 根據(jù)DHT協(xié)議的規(guī)定,每個infohash都是有位置的,因此,兩個infohash之間就有距離一說,而兩個infohash的距離就可以用異或來表示,即infohash1 xor infohash2,也就是說,高位一樣的話,他們的距離就近,反之則遠,這樣可以快速的計算兩個節(jié)點的距離。計算這個距離有什么用呢,在DHT網(wǎng)絡(luò)中,如果一個資源的infohash與一個節(jié)點的infohash越近則該節(jié)點越有可能擁有該資源的信息,為什么呢?可以想象,因為人人都用同樣的距離算法去遞歸的詢問離資源接近的節(jié)點,并且只要該節(jié)點做出了回應(yīng),那么就會得到一個announce信息,也就是說跟資源infohash接近的節(jié)點就有更大的概率拿到該資源的infohash

    4. 根據(jù)上述算法,DHT中的查詢是跳躍式查詢,可以迅速的跨越的的節(jié)點桶而接近目標節(jié)點桶。之所以在遠處能夠大幅度跳躍,而在近處只能小幅度跳躍,原因是每個節(jié)點的路由表中離自身越接近的節(jié)點保存得越多,如下圖

    2016319115044824.jpg (490×417)

    5. 在一個DHT網(wǎng)絡(luò)中當爬蟲并不容易,不像普通爬蟲一樣,看到資源就可以主動爬下來,相反,因為得到資源的方式(get_peers, announce_peer)都是被動的,所以爬蟲的方式就有些變化了,爬蟲所要做的事就是像個正常節(jié)點一樣去響應(yīng)其他節(jié)點的查詢,并且得到其他節(jié)點的回應(yīng),把其中的數(shù)據(jù)收集下來就算是完成工作了。而爬蟲唯一能做的,是盡可能的去多認識其他節(jié)點,這樣,才能有更多其他節(jié)點來向你詢問。

    6. 有人說,那么我把DHT爬蟲的K桶中的容量K增大是不是就能增加得到資源的機會,其實不然,之前也分析過了,DHT爬蟲最重要的信息來源全是被動的,因為你不能增大別人的K,所以距離遠的節(jié)點保存你自身的概率就越小,當然距離遠的節(jié)點去請求你的概率相對也比較小。

    聲明:本網(wǎng)頁內(nèi)容旨在傳播知識,若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系,我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com

    文檔

    使用Python編寫基于DHT協(xié)議的BT資源爬蟲

    使用Python編寫基于DHT協(xié)議的BT資源爬蟲:關(guān)于DHT協(xié)議 DHT協(xié)議作為BT協(xié)議的一個輔助,是非常好玩的。它主要是為了在BT正式下載時得到種子或者BT資源。傳統(tǒng)的網(wǎng)絡(luò),需要一臺中央服務(wù)器存放種子或者BT資源,不僅浪費服務(wù)器資源,還容易出現(xiàn)單點的各種問題,而DHT網(wǎng)絡(luò)則是為了去中心化,也就是說任意時刻
    推薦度:
    標簽: 種子 bt BT資源
    • 熱門焦點

    最新推薦

    猜你喜歡

    熱門推薦

    專題
    Top
    主站蜘蛛池模板: 日韩精品无码一区二区三区| 日本熟妇亚洲欧美精品区| 99久久伊人精品综合观看| 亚洲AV无码久久精品成人| 国产精品无码永久免费888 | 国产乱子伦精品无码专区| jiucao在线观看精品| 亚洲AV永久纯肉无码精品动漫| 国内精品伊人久久久久网站| 国产成人精品免费午夜app| 婷婷五月深深久久精品| 亚州日韩精品专区久久久| 国产亚洲精品资在线| 国产精品99| 中国精品videossex中国高清| 国产成人精品视频一区二区不卡 | 亚洲欧美日韩另类精品一区二区三区| 白浆都出来了视频国产精品| 国产精品视频网站你懂得| 国产精品丝袜黑色高跟鞋| 久久精品人人做人人爽97| 亚洲国产精品一区第二页 | 国产成人精品日本亚洲网址| 国产麻豆一精品一AV一免费| 久久精品亚洲日本波多野结衣| 亚洲国产精品无码久久久秋霞2 | 日韩精品久久久久久免费| 亚洲国产成人精品无码区在线观看 | 区亚洲欧美一级久久精品亚洲精品成人网久久久久 | 精品一久久香蕉国产线看播放| 成人精品一区二区久久| 午夜精品福利视频| 在线精品国产一区二区| 成人精品一区二区久久久| 国产精品无码素人福利| 久草欧美精品在线观看| 久久久久久国产精品美女| 午夜精品久久久久久影视777| 亚洲精品A在线观看| 亚洲精品午夜无码电影网| 亚洲AV成人精品网站在线播放|