搜片神器 之DHT网络爬虫的代码实现方法
分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.****.net/jiangjunshow
也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！
继续接着第一篇写:使用C#实现DHT磁力搜索的BT种子后端管理程序+数据库设计（开源）[搜片神器]
开源地址:https://github.com/h31h31/H31DHTMgr
程序下载:H31DHT下载
看大家对昨天此类文章的兴趣没有第一篇高,今天就简单的对支持的朋友进行交流.园子里的朋友希望授大家以渔,所以这部分代码就先不放出来.希望大家更多的加入进来.
也希望谁有能力将C++的代码转换成C#的,添加到我们的搜片神器工具里面.
昨天通过向大家介绍DHT的工作原理,相信大家大概明白怎么回事,不明白的朋友可以继续分享接下来的文章.
本人借鉴的代码是C++版本的:transmission里面的DHT代码,大家可以访问网站下载:http://www.transmissionbt.com/
不过里面的代码环境是LINUX下的,需要自己转换到相应的WIN平台上来.
有兴趣使用C#来完成DHT功能的朋友可以借鉴mono-monotorrent,里面的框架代码比较多,不如C++的transmission里面就三个文件来得明白.
transmission里面只有三个文件就可以实现dht的功能: dht.c dht.h dht-example.c，并且接口很简单，复用性很好。
下面介绍进入DHT网络主要功能步骤
dht.c dht.h代码分成三部分:
1、路由表的插入操作。
1）如果节点已经在路由表中，则更新节点，返回。
2）如果桶没有满，则插入，返回。
3）如果发现失效节点，替换，返回。
4）发现可疑节点，则保存新节点到缓存中并且如果该可疑节点没有ping,发出ping_node操作，返回。
5）现在，桶已经充满了好的节点，如果自己的ID没有落在这个桶中，返回。
6）将桶空间分成两半。跳到步骤1）。
2、KAD远程处理调用。
这部分又分成3种，
1）ping/pong操作。
所有的包的tid都使用pg\0\0
2）find_node操作。
所有的包的tid都使用fn\0\0
3）get_peers/annouce_peer操作。
对同一个HASH的一次递归查询中，tid保持不变。
其中只有3)种实现bittorrent的DHT规范里面提到的递归查询操作，1)和2)仅仅用来维护路由表，并且不保存状态。
3、定时器处理：
为了检测路由表中节点的有效性（根据规范，路由表中应该只保存有效节点），在代码中，在执行krpc操作时如果发现时对路由表中的节点操作，那么则保存操作的开始时间 pinged_time，通过操作的开始时间来判断操作是否超时。
expire_stuff_time 超时时，会执行下面的操作:
1、检查路由表中失效的节点（根据pinged_time来判定），并将该节点删除。
2、检查用来保存annoounce_peer的节点是否超过30分钟（这个不打算深入讨论，故不做解析）。
3、检查递归查询操作超时。
rotate_secrets_time 定时器。
用来每隔大约15分左右就更换token(见DHT规范).
confirm_nodes_time 定时器。
查找长期没有活动的桶，然后通过执行一个find_node的krpc操作来刷新它。
search_time定时器。
有可能出现发出的所有的get_peers操作，都没有应答，那么search_time定时器遇到这种情形时负责重发所有请求。（注意: get_peers操作最大未决的krpc请求数是3）
用于维持路由表的ping/pong操作:
在试图插入节点时，发现桶已经满，而存在可疑节点时会触发ping_node操作。未响应的节点会有可疑最终变为失效节点，而被替换。
下面介绍我们是如何进入DHT网络
- DHT必须把自己电脑当服务器,别人才能够知道自己是谁,所以需要通过UDP绑定端口,参考代码里面支持IPV6,个人觉得可以过滤掉.WIN平台代码如下: UDP端口绑定
1 //初始化socket 2 m_soListen =(int)socket(PF_INET, SOCK_DGRAM, IPPROTO_IP); 3 if (m_soListen == INVALID_SOCKET) { 4 m_iErrorNo=WSAGetLastError(); 5 _dout(_T("CH31CarMonitorDlg Start Error(%d).\n"),m_iErrorNo); 6 return -1; 7 } 8 //初始化服务器地址 9 SOCKADDR_IN addr;10 memset(&addr, 0, sizeof(addr));11 addr.sin_family = AF_INET;12 addr.sin_port = htons(port);13 addr.sin_addr.s_addr = htonl(INADDR_ANY);14 //绑定端口监听15 if (bind(m_soListen, (SOCKADDR*)&addr, sizeof(addr)) == SOCKET_ERROR) {16 m_iErrorNo=WSAGetLastError();17 _dout(_T("CH31CarMonitorDlg Start Error(%d).\n"),m_iErrorNo);18 return -2;19 }
- DHT需要生成一个自己的20位ID号,当然可以通过随机一个数值,然后通过SHA1来生成20位的ID号,WIN平台代码如下: SHA1生成ID号
1 unsigned char p[20];2 CSHA1 sha1;3 sha1.Reset();4 sha1.Update((const unsigned char *)m_myID.GetBuffer(), m_myID.GetLength());5 sha1.Final();6 sha1.GetHash(p);
- 初始化他人服务器的IP信息,这样我们就可以从他们那里查询我们要的信息,借鉴代码如下: 服务器信息
1 rc = getaddrinfo("router.utorrent.com","6881", &hints1, &info); 2 //rc = getaddrinfo("router.bittorrent.com","6881", &hints1, &info); 3 //rc = getaddrinfo("dht.transmissionbt.com","6881", &hints1, &info); 4 if(rc != 0) { 5 fprintf(stderr, "getaddrinfo: %s\n", gai_strerror(rc)); 6 exit(1); 7 } 8 infop = info; 9 while(infop&&m_bDataThread) 10 {11 memcpy(&bootstrap_nodes[num_bootstrap_nodes],infop->ai_addr, infop->ai_addrlen);12 infop = infop->ai_next;13 num_bootstrap_nodes++;14 }15 freeaddrinfo(info);
- 现在就可以初始化我们的DHT类了.由于此类使用C写的,大家可以自行封装成C++类使用. 初始化DHT类
1 rc = m_dht.dht_init(s, s6, m_myid,NULL);2 if(rc < 0) {3 perror("dht_init");4 exit(1);5 }
- 对服务器进行PING操作,服务器就会回应PONG操作,这样就表明服务器活动正常. PING服务器
1 for(int i = 0; i < num_bootstrap_nodes&&m_bDataThread; i++) 2 {3 m_dht.dht_ping_node((struct sockaddr*)&bootstrap_nodes[i],sizeof(bootstrap_nodes[i]));4 Sleep(m_dht.random() % 1000);5 }
- 下面就可以使用搜索类进行操作,查询我们要的HASH值的BT种子文件代码.借鉴代码如下: dht_search
1 if(searching) {2 if(s >= 0)3 dht_search(hash, 0, AF_INET, callback, NULL);4 if(s6 >= 0)5 dht_search(hash, 0, AF_INET6, callback, NULL);6 searching = 0;7 }
- 大家可以借鉴dht-example.c里面接下来的Search函数的操作,不过我们不是这样来的,我们需要直接向服务器发送Findnode和Get_Peer操作. 发送FINDNODE和GET_PEER操作
1 unsigned char tid[16];2 m_dht.make_tid(tid, "fn", 0);3 m_dht.send_find_node(&ipRecvPingList[ipListPOS].fromaddr,sizeof(sockaddr),tid,4,ipRecvPingList[ipListPOS].ID,0,0);4 Sleep(100);5 memset(tid,0,sizeof(tid));6 m_dht.make_tid(tid, "gp", 0);7 m_dht.send_get_peers(&ipRecvPingList[ipListPOS].fromaddr,sizeof(sockaddr),tid,4,hashList[0],0,0);
- 接下来的事情就是等待别人返回的信息进行分析就可以了,当然DHT类代码已经全部为我们做好的. 等待返回DHT网络信息
1 FD_ZERO(&readfds); 2 if(m_soListen >= 0) 3 FD_SET(m_soListen, &readfds); 4 if(s6 >= 0) 5 FD_SET(s6, &readfds); 6 rc = select(m_soListen > s6 ? m_soListen + 1 : s6 + 1, &readfds, NULL, NULL, &tv); 7 if(rc <0&&m_bDataThread) 8 { 9 if(errno != EINTR) {10 perror("select");11 Sleep(1000);12 }13 }14 15 if(!m_bDataThread)16 break;17 18 if(rc > 0&&m_bDataThread) 19 {20 fromlen = sizeof(from1);21 memset(buf,0,sizeof(buf));22 if(m_soListen >= 0 && FD_ISSET(m_soListen, &readfds))23 rc = recvfrom(m_soListen, buf, sizeof(buf) - 1, 0,&from1, &fromlen);24 else if(s6 >= 0 && FD_ISSET(s6, &readfds))25 rc = recvfrom(s6, buf, sizeof(buf) - 1, 0,&from1, &fromlen);26 else27 abort();28 }29 30 if(rc > 0&&m_bDataThread) 31 {32 buf[rc] = '\0';33 rc = m_dht.dht_periodic(buf, rc, &from1, fromlen,&tosleep, DHT_callback, this);34 35 } 36 else 37 {38 rc = m_dht.dht_periodic(NULL, 0, NULL, 0, &tosleep, DHT_callback, this);39 }
- 如何解析信息DHT代码已经有了,如何别人的请求,代码也已经有了,大家可以分析DHT.c就知道是怎么回事. dht_periodic
1 int CDHT::dht_periodic(const void *buf, size_t buflen,const struct sockaddr *fromAddr, int fromlen,time_t *tosleep,dht_callback *callback, void *closure) 2 { 3 gettimeofday(&nowTime, NULL); 4 5 if(buflen > 0) 6 { 7 int message; 8 unsigned char tid[16], id[20], info_hash[20], target[20]; 9 unsigned char nodes[256], nodes6[1024], token[128]; 10 int tid_len = 16, token_len = 128; 11 int nodes_len = 256, nodes6_len = 1024; 12 unsigned short port; 13 unsigned char values[2048], values6[2048]; 14 int values_len = 2048, values6_len = 2048; 15 int want; 16 unsigned short ttid; 17 18 struct sockaddr_in* tempip=(struct sockaddr_in *)fromAddr; 19 20 if(is_martian(fromAddr)) 21 goto dontread; 22 23 if(node_blacklisted(fromAddr, fromlen)) { 24 _dout("Received packet from blacklisted node.\n"); 25 goto dontread; 26 } 27 28 if(((char*)buf)[buflen] != '\0') { 29 _dout("Unterminated message.\n"); 30 errno = EINVAL; 31 return -1; 32 } 33 34 message = parse_message((unsigned char *)buf, buflen, tid, &tid_len, id, info_hash,target, &port, token, &token_len,nodes, &nodes_len, nodes6, &nodes6_len,values, &values_len, values6, &values6_len,&want); 35 36 if(token_len>0) 37 { 38 int a=0; 39 } 40 if(message < 0 || message == ERROR || id_cmp(id, zeroes) == 0) 41 { 42 _dout("Unparseable message: "); 43 debug_printable((const unsigned char *)buf, buflen); 44 _dout("\n"); 45 goto dontread; 46 } 47 48 if(id_cmp(id, myid) == 0) { 49 _dout("Received message from self.\n"); 50 goto dontread; 51 } 52 53 if(message > REPLY) { 54 /* Rate limit requests. */ 55 if(!token_bucket()) { 56 _dout("Dropping request due to rate limiting.\n"); 57 goto dontread; 58 } 59 } 60 61 switch(message) 62 { 63 case REPLY: 64 if(tid_len != 4) 65 { 66 _dout("Broken node truncates transaction ids: "); 67 debug_printable((const unsigned char *)buf, buflen); 68 _dout("\n"); 69 /* This is really annoying, as it means that we will 70 time-out all our searches that go through this node. 71 Kill it. */ 72 blacklist_node(id, fromAddr, fromlen); 73 goto dontread; 74 } 75 if(tid_match(tid, "pn", NULL)) 76 { 77 _dout("Pong!From IP:%s:[%d] id:[%s]\n",inet_ntoa(tempip->sin_addr),tempip->sin_port,id); 78 new_node(id, fromAddr, fromlen, 2); 79 (*callback)(closure, DHT_EVENT_PONG_VALUES,id,(void*)fromAddr, fromlen); 80 //send_find_node(from,fromlen,tid,4,id,0,0); 81 } 82 else if(tid_match(tid, "fn", NULL) ||tid_match(tid, "gp", NULL)) 83 { 84 int gp = 0; 85 struct search *sr = NULL; 86 if(tid_match(tid, "gp", &ttid)) 87 { 88 gp = 1; 89 sr = find_search(ttid, fromAddr->sa_family); 90 } 91 _dout("Nodes found (%d+%d)%s!From IP:%s:[%d]\n", nodes_len/26, nodes6_len/38,gp ? " for get_peers" : "",inet_ntoa(tempip->sin_addr),tempip->sin_port); 92 if(nodes_len % 26 != 0 || nodes6_len % 38 != 0) 93 { 94 _dout("Unexpected length for node info!\n"); 95 blacklist_node(id, fromAddr, fromlen); 96 } 97 //else if(gp && sr == NULL) 98 //{ 99 // _dout("Unknown search!\n");100 // new_node(id, fromAddr, fromlen, 1);101 // } 102 else 103 {104 int i;105 new_node(id, fromAddr, fromlen, 2);106 for(i = 0; i < nodes_len / 26; i++) 107 {108 unsigned char *ni = nodes + i * 26;109 struct sockaddr_in sin;110 if(id_cmp(ni, myid) == 0)111 continue;112 memset(&sin, 0, sizeof(sin));113 sin.sin_family = AF_INET;114 memcpy(&sin.sin_addr, ni + 20, 4);115 memcpy(&sin.sin_port, ni + 24, 2);116 new_node(ni, (struct sockaddr*)&sin, sizeof(sin), 0);117 (*callback)(closure, DHT_EVENT_FINDNODE_VALUES, ni,(void*)&sin, sizeof(sin));118 if(sr && sr->af == AF_INET) 119 {120 insert_search_node(ni,(struct sockaddr*)&sin,sizeof(sin),sr, 0, NULL, 0);121 }122 //send_get_peers((struct sockaddr*)&sin,sizeof(sockaddr),tid,4,ni,0,0);123 }124 for(i = 0; i < nodes6_len / 38; i++) 125 {126 unsigned char *ni = nodes6 + i * 38;127 struct sockaddr_in6 sinip6;128 if(id_cmp(ni, myid) == 0)129 continue;130 memset(&sinip6, 0, sizeof(sinip6));131 sinip6.sin6_family = AF_INET6;132 memcpy(&sinip6.sin6_addr, ni + 20, 16);133 memcpy(&sinip6.sin6_port, ni + 36, 2);134 new_node(ni, (struct sockaddr*)&sinip6, sizeof(sinip6), 0);135 if(sr && sr->af == AF_INET6) 136 {137 insert_search_node(ni,(struct sockaddr*)&sinip6,sizeof(sinip6),sr, 0, NULL, 0);138 }139 }140 if(sr)141 /* Since we received a reply, the number of requests in flight has decreased. Let's push another request. */142 search_send_get_peers(sr, NULL);143 }144 //if(sr) 145 {146 // insert_search_node(id, fromAddr, fromlen, sr,1, token, token_len);147 if(values_len > 0 || values6_len > 0) 148 {149 _dout("Got values (%d+%d)!\n", values_len / 6, values6_len / 18);150 if(callback) {151 if(values_len > 0)152 (*callback)(closure, DHT_EVENT_VALUES, sr->id,(void*)values, values_len);153 154 if(values6_len > 0)155 (*callback)(closure, DHT_EVENT_VALUES6, sr->id,(void*)values6, values6_len);156 }157 }158 }159 } 160 else if(tid_match(tid, "ap", &ttid)) 161 {162 struct search *sr;163 _dout("Got reply to announce_peer.\n");164 sr = find_search(ttid, fromAddr->sa_family);165 if(!sr) {166 _dout("Unknown search!\n");167 new_node(id, fromAddr, fromlen, 1);168 } 169 else 170 {171 int i;172 new_node(id, fromAddr, fromlen, 2);173 for(i = 0; i < sr->numnodes; i++)174 {175 if(id_cmp(sr->nodes[i].id, id) == 0) 176 {177 sr->nodes[i].request_time = 0;178 sr->nodes[i].reply_time = nowTime.tv_sec;179 sr->nodes[i].acked = 1;180 sr->nodes[i].pinged = 0;181 break;182 }183 }184 /* See comment for gp above. */185 search_send_get_peers(sr, NULL);186 }187 } 188 else 189 {190 _dout("Unexpected reply: ");191 debug_printable((const unsigned char *)buf, buflen);192 _dout("\n");193 }194 break;195 case PING:196 _dout("Ping (%d)!From IP:%s:%d\n", tid_len,inet_ntoa(tempip->sin_addr),tempip->sin_port);197 new_node(id, fromAddr, fromlen, 1);198 _dout("Sending pong.\n");199 send_pong(fromAddr, fromlen, tid, tid_len);200 break;201 case FIND_NODE:202 _dout("Find node!From IP:%s:%d\n",inet_ntoa(tempip->sin_addr),tempip->sin_port);203 new_node(id, fromAddr, fromlen, 1);204 _dout("Sending closest nodes (%d).\n", want);205 send_closest_nodes(fromAddr, fromlen,tid, tid_len, target, want,0, NULL, NULL, 0);206 break;207 case GET_PEERS:208 _dout("Get_peers!From IP:%s:%d\n",inet_ntoa(tempip->sin_addr),tempip->sin_port);209 new_node(id, fromAddr, fromlen, 1);210 if(id_cmp(info_hash, zeroes) == 0) 211 {212 _dout("Eek! Got get_peers with no info_hash.\n");213 send_error(fromAddr, fromlen, tid, tid_len,203, "Get_peers with no info_hash");214 break;215 } 216 else 217 {218 struct storage *st = find_storage(info_hash);219 unsigned char token[TOKEN_SIZE];220 make_token(fromAddr, 0, token);221 if(st && st->numpeers > 0) 222 {223 _dout("Sending found%s peers.\n",fromAddr->sa_family == AF_INET6 ? " IPv6" : "");224 send_closest_nodes(fromAddr, fromlen,tid, tid_len,info_hash, want,fromAddr->sa_family, st,token, TOKEN_SIZE);225 } 226 else 227 {228 _dout("Sending nodes for get_peers.\n");229 send_closest_nodes(fromAddr, fromlen,tid, tid_len, info_hash, want,0, NULL, token, TOKEN_SIZE);230 }231 if(callback) 232 {233 (*callback)(closure, DHT_EVENT_GET_PEER_VALUES, info_hash,(void *)fromAddr, fromlen);234 }235 }236 237 break;238 case ANNOUNCE_PEER:239 _dout("Announce peer!From IP:%s:%d\n",inet_ntoa(tempip->sin_addr),tempip->sin_port);240 new_node(id, fromAddr, fromlen, 1);241 242 if(id_cmp(info_hash, zeroes) == 0) 243 {244 _dout("Announce_peer with no info_hash.\n");245 send_error(fromAddr, fromlen, tid, tid_len,203, "Announce_peer with no info_hash");246 break;247 }248 if(!token_match(token, token_len, fromAddr)) {249 _dout("Incorrect token for announce_peer.\n");250 send_error(fromAddr, fromlen, tid, tid_len,203, "Announce_peer with wrong token");251 break;252 }253 if(port == 0) {254 _dout("Announce_peer with forbidden port %d.\n", port);255 send_error(fromAddr, fromlen, tid, tid_len,203, "Announce_peer with forbidden port number");256 break;257 }258 if(callback) 259 {260 (*callback)(closure, DHT_EVENT_ANNOUNCE_PEER_VALUES, info_hash,(void *)fromAddr, fromlen);261 }262 storage_store(info_hash, fromAddr, port);263 /* Note that if storage_store failed, we lie to the requestor.264 This is to prevent them from backtracking, and hence polluting the DHT. */265 _dout("Sending peer announced.\n");266 send_peer_announced(fromAddr, fromlen, tid, tid_len);267 }268 }269 270 dontread:271 if(nowTime.tv_sec >= rotate_secrets_time)272 rotate_secrets();273 274 if(nowTime.tv_sec >= expire_stuff_time) {275 expire_buckets(buckets);276 expire_buckets(buckets6);277 expire_storage();278 expire_searches();279 }280 281 if(search_time > 0 && nowTime.tv_sec >= search_time) {282 struct search *sr;283 sr = searches;284 while(sr) {285 if(!sr->done && sr->step_time + 5 <= nowTime.tv_sec) 286 {287 search_step(sr, callback, closure);288 }289 sr = sr->next;290 }291 292 search_time = 0;293 294 sr = searches;295 while(sr) {296 if(!sr->done) {297 time_t tm = sr->step_time + 15 + random() % 10;298 if(search_time == 0 || search_time > tm)299 search_time = tm;300 }301 sr = sr->next;302 }303 }304 305 if(nowTime.tv_sec >= confirm_nodes_time) {306 int soon = 0;307 308 soon |= bucket_maintenance(AF_INET);309 soon |= bucket_maintenance(AF_INET6);310 311 if(!soon) 312 {313 if(mybucket_grow_time >= nowTime.tv_sec - 150)314 soon |= neighbourhood_maintenance(AF_INET);315 if(mybucket6_grow_time >= nowTime.tv_sec - 150)316 soon |= neighbourhood_maintenance(AF_INET6);317 }318 319 /* In order to maintain all buckets' age within 600 seconds, worst320 case is roughly 27 seconds, assuming the table is 22 bits deep.321 We want to keep a margin for neighborhood maintenance, so keep322 this within 25 seconds. */323 if(soon)324 confirm_nodes_time = nowTime.tv_sec + 5 + random() % 20;325 else326 confirm_nodes_time = nowTime.tv_sec + 60 + random() % 120;327 }328 329 if(confirm_nodes_time > nowTime.tv_sec)330 *tosleep = confirm_nodes_time - nowTime.tv_sec;331 else332 *tosleep = 0;333 334 if(search_time > 0) {335 if(search_time <= nowTime.tv_sec)336 *tosleep = 0;337 else if(*tosleep > search_time - nowTime.tv_sec)338 *tosleep = search_time - nowTime.tv_sec;339 }340 341 return 1;342 }
- 至于节点如何进行桶操作,调试过一次代码就会明白对应的原理,当然上面也介绍了如何进行桶分裂的原理.
- 接下来就是将上面的操作步骤进行循环.
通过上面的流程,了解DHT的工作方法后,如何增加更多的返回信息就需要下一篇的技术性问题的介绍,希望大家一起修改我们的开源程序.
大家有不明白的地方,可以一起讨论.
另外求服务器进行程序测试,需要有固定IP,10G的WIN服务器空间,[email protected],谢谢.
大家的推荐才是下一篇介绍的动力...
<script type="text/javascript" src="http://pagead2.googlesyndication.com/pagead/show_ads.js"></script>