<span id="mktg5"></span>

<i id="mktg5"><meter id="mktg5"></meter></i>

        <label id="mktg5"><meter id="mktg5"></meter></label>
        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關鍵字專題1關鍵字專題50關鍵字專題500關鍵字專題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關鍵字專題關鍵字專題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協議的BT資源爬蟲

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

        使用Python編寫基于DHT協議的BT資源爬蟲

        使用Python編寫基于DHT協議的BT資源爬蟲:關于DHT協議 DHT協議作為BT協議的一個輔助,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。傳統的網絡,需要一臺中央服務器存放種子或者BT資源,不僅浪費服務器資源,還容易出現單點的各種問題,而DHT網絡則是為了去中心化,也就是說任意時刻
        推薦度:
        導讀使用Python編寫基于DHT協議的BT資源爬蟲:關于DHT協議 DHT協議作為BT協議的一個輔助,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。傳統的網絡,需要一臺中央服務器存放種子或者BT資源,不僅浪費服務器資源,還容易出現單點的各種問題,而DHT網絡則是為了去中心化,也就是說任意時刻
        關于DHT協議

        DHT協議作為BT協議的一個輔助,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。傳統的網絡,需要一臺中央服務器存放種子或者BT資源,不僅浪費服務器資源,還容易出現單點的各種問題,而DHT網絡則是為了去中心化,也就是說任意時刻,這個網絡總有節點是亮的,你可以去詢問問這些亮的節點,從而將自己加入DHT網絡。

        要實現DHT協議的網絡爬蟲,主要分3步,第一步是得到資源信息(infohash,160bit,20字節,可以編碼為40字節的十六進制字符串),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點用DHT協議中的get_peers方法向爬蟲發送請求得到的,第二步是其他節點用DHT協議中的announce_peer向爬蟲發送請求得到的,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站根據infohash直接下載到,或者通過announce_peer的節點來下載到,具體如何實現,可以取決于你自己的爬蟲。

        DHT協議中的主要幾個操作:

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

        ping:檢查一個節點是否“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,第二是驗證節點是否存活時

        find_node:向一個節點發送查找節點的請求

        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:向一個節點發送查找資源的請求

        在爬蟲中有節點向自己請求時不僅像個正常節點一樣做出回應,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:向一個節點發送自己已經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github帳號的請給原作者star,后續我將結果放入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點空間,這么大的節點空間,是足夠存放你的主機節點以及任意的資源信息的。

        2. 每個節點有張路由表。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DHT協議的規定,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點的距離。計算這個距離有什么用呢,在DHT網絡中,如果一個資源的infohash與一個節點的infohash越近則該節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點,并且只要該節點做出了回應,那么就會得到一個announce信息,也就是說跟資源infohash接近的節點就有更大的概率拿到該資源的infohash

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

        2016319115044824.jpg (490×417)

        5. 在一個DHT網絡中當爬蟲并不容易,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點一樣去響應其他節點的查詢,并且得到其他節點的回應,把其中的數據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點,這樣,才能有更多其他節點來向你詢問。

        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,所以距離遠的節點保存你自身的概率就越小,當然距離遠的節點去請求你的概率相對也比較小。

        聲明:本網頁內容旨在傳播知識,若有侵權等問題請及時與本網聯系,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協議的BT資源爬蟲

        使用Python編寫基于DHT協議的BT資源爬蟲:關于DHT協議 DHT協議作為BT協議的一個輔助,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。傳統的網絡,需要一臺中央服務器存放種子或者BT資源,不僅浪費服務器資源,還容易出現單點的各種問題,而DHT網絡則是為了去中心化,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: 亚洲av丰满熟妇在线播放 | 亚洲香蕉免费有线视频| 黄页网址在线免费观看| 成年男女男精品免费视频网站| 亚洲国产人成在线观看69网站| 在线播放国产不卡免费视频| 国产乱色精品成人免费视频| 亚洲熟伦熟女专区hd高清| 蜜臀AV免费一区二区三区| 亚洲一卡2卡三卡4卡有限公司| 国产无遮挡又黄又爽免费网站| 亚洲日韩中文字幕日韩在线| 日韩毛片免费一二三| 免费一级成人毛片| 无遮挡a级毛片免费看| 午夜亚洲av永久无码精品| 牛牛在线精品免费视频观看| 国产免费变态视频网址网站| 亚洲AV无码一区二区乱子仑| 日本免费福利视频| 国产精品手机在线亚洲| 免费真实播放国产乱子伦| 免费观看亚洲人成网站| 亚洲精品NV久久久久久久久久| 免费手机在线看片| 亚洲午夜精品第一区二区8050| 一级毛片在线完整免费观看| 国产成人综合亚洲AV第一页 | 亚洲精品视频免费| 一级做a爰片久久免费| 中文字幕亚洲综合久久菠萝蜜| 久草免费福利在线| 亚洲AV无码成人专区片在线观看| 日韩免费人妻AV无码专区蜜桃| 亚洲国产精品日韩在线| 狠狠久久永久免费观看| 乱人伦中文视频在线观看免费| 亚洲国产综合精品中文字幕| 欧洲人成在线免费| 色噜噜亚洲男人的天堂| 免费人成年轻人电影|