[搜片神器]之DHT网络爬虫的代码实现方法

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]

谢谢园子朋友的支持,已经找到个VPS进行测试,国外的服务器: http://www.sosobta.com 大家可以给提点意见...

开源地址:https://github.com/h31h31/H31DHTMgr

程序下载:H31DHT下载

[搜片神器]之DHT网络爬虫的代码实现方法

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.

[搜片神器]之DHT网络爬虫的代码实现方法

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

  1. 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:
         //初始化socket
    m_soListen =(int)socket(PF_INET, SOCK_DGRAM, IPPROTO_IP);
    if (m_soListen == INVALID_SOCKET) {
    m_iErrorNo=WSAGetLastError();
    _dout(_T("CH31CarMonitorDlg Start Error(%d).\n"),m_iErrorNo);
    return -;
    }
    //初始化服务器地址
    SOCKADDR_IN addr;
    memset(&addr, , sizeof(addr));
    addr.sin_family = AF_INET;
    addr.sin_port = htons(port);
    addr.sin_addr.s_addr = htonl(INADDR_ANY);
    //绑定端口监听
    if (bind(m_soListen, (SOCKADDR*)&addr, sizeof(addr)) == SOCKET_ERROR) {
    m_iErrorNo=WSAGetLastError();
    _dout(_T("CH31CarMonitorDlg Start Error(%d).\n"),m_iErrorNo);
    return -;
    }

    UDP端口绑定

  2. 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:
     unsigned char p[];
    CSHA1 sha1;
    sha1.Reset();
    sha1.Update((const unsigned char *)m_myID.GetBuffer(), m_myID.GetLength());
    sha1.Final();
    sha1.GetHash(p);

    SHA1生成ID号

  3. 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:
         rc = getaddrinfo("router.utorrent.com","", &hints1, &info);
    //rc = getaddrinfo("router.bittorrent.com","6881", &hints1, &info);
    //rc = getaddrinfo("dht.transmissionbt.com","6881", &hints1, &info);
    if(rc != ) {
    fprintf(stderr, "getaddrinfo: %s\n", gai_strerror(rc));
    exit();
    }
    infop = info;
    while(infop&&m_bDataThread)
    {
    memcpy(&bootstrap_nodes[num_bootstrap_nodes],infop->ai_addr, infop->ai_addrlen);
    infop = infop->ai_next;
    num_bootstrap_nodes++;
    }
    freeaddrinfo(info);

    服务器信息

  4. 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.
         rc = m_dht.dht_init(s, s6, m_myid,NULL);
    if(rc < ) {
    perror("dht_init");
    exit();
    }

    初始化DHT类

  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.
         for(int i = ; i < num_bootstrap_nodes&&m_bDataThread; i++)
    {
    m_dht.dht_ping_node((struct sockaddr*)&bootstrap_nodes[i],sizeof(bootstrap_nodes[i]));
    Sleep(m_dht.random() % );
    }

    PING服务器

  6. 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:
      if(searching) {
    if(s >= )
    dht_search(hash, , AF_INET, callback, NULL);
    if(s6 >= )
    dht_search(hash, , AF_INET6, callback, NULL);
    searching = ;
    }

    dht_search

  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.
                     unsigned char tid[];
    m_dht.make_tid(tid, "fn", );
    m_dht.send_find_node(&ipRecvPingList[ipListPOS].fromaddr,sizeof(sockaddr),tid,,ipRecvPingList[ipListPOS].ID,,);
    Sleep();
    memset(tid,,sizeof(tid));
    m_dht.make_tid(tid, "gp", );
    m_dht.send_get_peers(&ipRecvPingList[ipListPOS].fromaddr,sizeof(sockaddr),tid,,hashList[],,);

    发送FINDNODE和GET_PEER操作

  8. 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.
             FD_ZERO(&readfds);
    if(m_soListen >= )
    FD_SET(m_soListen, &readfds);
    if(s6 >= )
    FD_SET(s6, &readfds);
    rc = select(m_soListen > s6 ? m_soListen + : s6 + , &readfds, NULL, NULL, &tv);
    if(rc <&&m_bDataThread)
    {
    if(errno != EINTR) {
    perror("select");
    Sleep();
    }
    } if(!m_bDataThread)
    break; if(rc > &&m_bDataThread)
    {
    fromlen = sizeof(from1);
    memset(buf,,sizeof(buf));
    if(m_soListen >= && FD_ISSET(m_soListen, &readfds))
    rc = recvfrom(m_soListen, buf, sizeof(buf) - , ,&from1, &fromlen);
    else if(s6 >= && FD_ISSET(s6, &readfds))
    rc = recvfrom(s6, buf, sizeof(buf) - , ,&from1, &fromlen);
    else
    abort();
    } if(rc > &&m_bDataThread)
    {
    buf[rc] = '\0';
    rc = m_dht.dht_periodic(buf, rc, &from1, fromlen,&tosleep, DHT_callback, this); }
    else
    {
    rc = m_dht.dht_periodic(NULL, , NULL, , &tosleep, DHT_callback, this);
    }

    等待返回DHT网络信息

  9. 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.
     int CDHT::dht_periodic(const void *buf, size_t buflen,const struct sockaddr *fromAddr, int fromlen,time_t *tosleep,dht_callback *callback, void *closure)
    {
    gettimeofday(&nowTime, NULL); if(buflen > )
    {
    int message;
    unsigned char tid[], id[], info_hash[], target[];
    unsigned char nodes[], nodes6[], token[];
    int tid_len = , token_len = ;
    int nodes_len = , nodes6_len = ;
    unsigned short port;
    unsigned char values[], values6[];
    int values_len = , values6_len = ;
    int want;
    unsigned short ttid; struct sockaddr_in* tempip=(struct sockaddr_in *)fromAddr; if(is_martian(fromAddr))
    goto dontread; if(node_blacklisted(fromAddr, fromlen)) {
    _dout("Received packet from blacklisted node.\n");
    goto dontread;
    } if(((char*)buf)[buflen] != '\0') {
    _dout("Unterminated message.\n");
    errno = EINVAL;
    return -;
    } 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); if(token_len>)
    {
    int a=;
    }
    if(message < || message == ERROR || id_cmp(id, zeroes) == )
    {
    _dout("Unparseable message: ");
    debug_printable((const unsigned char *)buf, buflen);
    _dout("\n");
    goto dontread;
    } if(id_cmp(id, myid) == ) {
    _dout("Received message from self.\n");
    goto dontread;
    } if(message > REPLY) {
    /* Rate limit requests. */
    if(!token_bucket()) {
    _dout("Dropping request due to rate limiting.\n");
    goto dontread;
    }
    } switch(message)
    {
    case REPLY:
    if(tid_len != )
    {
    _dout("Broken node truncates transaction ids: ");
    debug_printable((const unsigned char *)buf, buflen);
    _dout("\n");
    /* This is really annoying, as it means that we will
    time-out all our searches that go through this node.
    Kill it. */
    blacklist_node(id, fromAddr, fromlen);
    goto dontread;
    }
    if(tid_match(tid, "pn", NULL))
    {
    _dout("Pong!From IP:%s:[%d] id:[%s]\n",inet_ntoa(tempip->sin_addr),tempip->sin_port,id);
    new_node(id, fromAddr, fromlen, );
    (*callback)(closure, DHT_EVENT_PONG_VALUES,id,(void*)fromAddr, fromlen);
    //send_find_node(from,fromlen,tid,4,id,0,0);
    }
    else if(tid_match(tid, "fn", NULL) ||tid_match(tid, "gp", NULL))
    {
    int gp = ;
    struct search *sr = NULL;
    if(tid_match(tid, "gp", &ttid))
    {
    gp = ;
    sr = find_search(ttid, fromAddr->sa_family);
    }
    _dout("Nodes found (%d+%d)%s!From IP:%s:[%d]\n", nodes_len/, nodes6_len/,gp ? " for get_peers" : "",inet_ntoa(tempip->sin_addr),tempip->sin_port);
    if(nodes_len % != || nodes6_len % != )
    {
    _dout("Unexpected length for node info!\n");
    blacklist_node(id, fromAddr, fromlen);
    }
    //else if(gp && sr == NULL)
    //{
    // _dout("Unknown search!\n");
    // new_node(id, fromAddr, fromlen, 1);
    // }
    else
    {
    int i;
    new_node(id, fromAddr, fromlen, );
    for(i = ; i < nodes_len / ; i++)
    {
    unsigned char *ni = nodes + i * ;
    struct sockaddr_in sin;
    if(id_cmp(ni, myid) == )
    continue;
    memset(&sin, , sizeof(sin));
    sin.sin_family = AF_INET;
    memcpy(&sin.sin_addr, ni + , );
    memcpy(&sin.sin_port, ni + , );
    new_node(ni, (struct sockaddr*)&sin, sizeof(sin), );
    (*callback)(closure, DHT_EVENT_FINDNODE_VALUES, ni,(void*)&sin, sizeof(sin));
    if(sr && sr->af == AF_INET)
    {
    insert_search_node(ni,(struct sockaddr*)&sin,sizeof(sin),sr, , NULL, );
    }
    //send_get_peers((struct sockaddr*)&sin,sizeof(sockaddr),tid,4,ni,0,0);
    }
    for(i = ; i < nodes6_len / ; i++)
    {
    unsigned char *ni = nodes6 + i * ;
    struct sockaddr_in6 sinip6;
    if(id_cmp(ni, myid) == )
    continue;
    memset(&sinip6, , sizeof(sinip6));
    sinip6.sin6_family = AF_INET6;
    memcpy(&sinip6.sin6_addr, ni + , );
    memcpy(&sinip6.sin6_port, ni + , );
    new_node(ni, (struct sockaddr*)&sinip6, sizeof(sinip6), );
    if(sr && sr->af == AF_INET6)
    {
    insert_search_node(ni,(struct sockaddr*)&sinip6,sizeof(sinip6),sr, , NULL, );
    }
    }
    if(sr)
    /* Since we received a reply, the number of requests in flight has decreased. Let's push another request. */
    search_send_get_peers(sr, NULL);
    }
    //if(sr)
    {
    // insert_search_node(id, fromAddr, fromlen, sr,1, token, token_len);
    if(values_len > || values6_len > )
    {
    _dout("Got values (%d+%d)!\n", values_len / , values6_len / );
    if(callback) {
    if(values_len > )
    (*callback)(closure, DHT_EVENT_VALUES, sr->id,(void*)values, values_len); if(values6_len > )
    (*callback)(closure, DHT_EVENT_VALUES6, sr->id,(void*)values6, values6_len);
    }
    }
    }
    }
    else if(tid_match(tid, "ap", &ttid))
    {
    struct search *sr;
    _dout("Got reply to announce_peer.\n");
    sr = find_search(ttid, fromAddr->sa_family);
    if(!sr) {
    _dout("Unknown search!\n");
    new_node(id, fromAddr, fromlen, );
    }
    else
    {
    int i;
    new_node(id, fromAddr, fromlen, );
    for(i = ; i < sr->numnodes; i++)
    {
    if(id_cmp(sr->nodes[i].id, id) == )
    {
    sr->nodes[i].request_time = ;
    sr->nodes[i].reply_time = nowTime.tv_sec;
    sr->nodes[i].acked = ;
    sr->nodes[i].pinged = ;
    break;
    }
    }
    /* See comment for gp above. */
    search_send_get_peers(sr, NULL);
    }
    }
    else
    {
    _dout("Unexpected reply: ");
    debug_printable((const unsigned char *)buf, buflen);
    _dout("\n");
    }
    break;
    case PING:
    _dout("Ping (%d)!From IP:%s:%d\n", tid_len,inet_ntoa(tempip->sin_addr),tempip->sin_port);
    new_node(id, fromAddr, fromlen, );
    _dout("Sending pong.\n");
    send_pong(fromAddr, fromlen, tid, tid_len);
    break;
    case FIND_NODE:
    _dout("Find node!From IP:%s:%d\n",inet_ntoa(tempip->sin_addr),tempip->sin_port);
    new_node(id, fromAddr, fromlen, );
    _dout("Sending closest nodes (%d).\n", want);
    send_closest_nodes(fromAddr, fromlen,tid, tid_len, target, want,, NULL, NULL, );
    break;
    case GET_PEERS:
    _dout("Get_peers!From IP:%s:%d\n",inet_ntoa(tempip->sin_addr),tempip->sin_port);
    new_node(id, fromAddr, fromlen, );
    if(id_cmp(info_hash, zeroes) == )
    {
    _dout("Eek! Got get_peers with no info_hash.\n");
    send_error(fromAddr, fromlen, tid, tid_len,, "Get_peers with no info_hash");
    break;
    }
    else
    {
    struct storage *st = find_storage(info_hash);
    unsigned char token[TOKEN_SIZE];
    make_token(fromAddr, , token);
    if(st && st->numpeers > )
    {
    _dout("Sending found%s peers.\n",fromAddr->sa_family == AF_INET6 ? " IPv6" : "");
    send_closest_nodes(fromAddr, fromlen,tid, tid_len,info_hash, want,fromAddr->sa_family, st,token, TOKEN_SIZE);
    }
    else
    {
    _dout("Sending nodes for get_peers.\n");
    send_closest_nodes(fromAddr, fromlen,tid, tid_len, info_hash, want,, NULL, token, TOKEN_SIZE);
    }
    if(callback)
    {
    (*callback)(closure, DHT_EVENT_GET_PEER_VALUES, info_hash,(void *)fromAddr, fromlen);
    }
    } break;
    case ANNOUNCE_PEER:
    _dout("Announce peer!From IP:%s:%d\n",inet_ntoa(tempip->sin_addr),tempip->sin_port);
    new_node(id, fromAddr, fromlen, ); if(id_cmp(info_hash, zeroes) == )
    {
    _dout("Announce_peer with no info_hash.\n");
    send_error(fromAddr, fromlen, tid, tid_len,, "Announce_peer with no info_hash");
    break;
    }
    if(!token_match(token, token_len, fromAddr)) {
    _dout("Incorrect token for announce_peer.\n");
    send_error(fromAddr, fromlen, tid, tid_len,, "Announce_peer with wrong token");
    break;
    }
    if(port == ) {
    _dout("Announce_peer with forbidden port %d.\n", port);
    send_error(fromAddr, fromlen, tid, tid_len,, "Announce_peer with forbidden port number");
    break;
    }
    if(callback)
    {
    (*callback)(closure, DHT_EVENT_ANNOUNCE_PEER_VALUES, info_hash,(void *)fromAddr, fromlen);
    }
    storage_store(info_hash, fromAddr, port);
    /* Note that if storage_store failed, we lie to the requestor.
    This is to prevent them from backtracking, and hence polluting the DHT. */
    _dout("Sending peer announced.\n");
    send_peer_announced(fromAddr, fromlen, tid, tid_len);
    }
    } dontread:
    if(nowTime.tv_sec >= rotate_secrets_time)
    rotate_secrets(); if(nowTime.tv_sec >= expire_stuff_time) {
    expire_buckets(buckets);
    expire_buckets(buckets6);
    expire_storage();
    expire_searches();
    } if(search_time > && nowTime.tv_sec >= search_time) {
    struct search *sr;
    sr = searches;
    while(sr) {
    if(!sr->done && sr->step_time + <= nowTime.tv_sec)
    {
    search_step(sr, callback, closure);
    }
    sr = sr->next;
    } search_time = ; sr = searches;
    while(sr) {
    if(!sr->done) {
    time_t tm = sr->step_time + + random() % ;
    if(search_time == || search_time > tm)
    search_time = tm;
    }
    sr = sr->next;
    }
    } if(nowTime.tv_sec >= confirm_nodes_time) {
    int soon = ; soon |= bucket_maintenance(AF_INET);
    soon |= bucket_maintenance(AF_INET6); if(!soon)
    {
    if(mybucket_grow_time >= nowTime.tv_sec - )
    soon |= neighbourhood_maintenance(AF_INET);
    if(mybucket6_grow_time >= nowTime.tv_sec - )
    soon |= neighbourhood_maintenance(AF_INET6);
    } /* In order to maintain all buckets' age within 600 seconds, worst
    case is roughly 27 seconds, assuming the table is 22 bits deep.
    We want to keep a margin for neighborhood maintenance, so keep
    this within 25 seconds. */
    if(soon)
    confirm_nodes_time = nowTime.tv_sec + + random() % ;
    else
    confirm_nodes_time = nowTime.tv_sec + + random() % ;
    } if(confirm_nodes_time > nowTime.tv_sec)
    *tosleep = confirm_nodes_time - nowTime.tv_sec;
    else
    *tosleep = ; if(search_time > ) {
    if(search_time <= nowTime.tv_sec)
    *tosleep = ;
    else if(*tosleep > search_time - nowTime.tv_sec)
    *tosleep = search_time - nowTime.tv_sec;
    } return ;
    }

    dht_periodic

  10. 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.
  11. 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.

 

大家的推荐才是下一篇介绍的动力...

上一篇:css颜色渐变效果


下一篇:css 让图片不停的转动