用Python获取磁力种子

  • Post author:
  • Post category:python





陈键冬,Python中文社区专栏作者,pyecharts开源项目核心开发者,github id:chenjiandongx


本文项目地址:github.com/chenjiandongx/magnet-dht


磁力链接

现在我们使用迅雷等工具下载资源的时候,基本上都只需要一个叫做磁力链接的东西就可以了,非常方便。

640?wx_fmt=jpeg

磁力链接是对等网络中进行信息检索和下载文档的电脑程序。和基于“位置”连接的统一资源定位符不同,磁力链接是基于元数据文件内容,属于统一资源名称。也就是说,磁力链接不基于文档的 IP 地址或定位符,而是在分布式数据库中,通过散列函数值来识别、搜索来下载文档。因为不依赖一个处于启动状态的主机来下载文档,所以特别适用没有中心服务器的对等网络。

磁力链接格式类似于 :


magnet:?xt=urn:btih:E7FC73D9E20697C6C440203F5884EF52F9E4BD28

分解一下这个链接


  • magnet:协议名。


  • xt:exact topic 的缩写,表示资源定位点。BTIH(BitTorrent Info Hash)表示哈希方法名,这里还可以使用 SHA1 和 MD5。这个值是文件的标识符,是不可缺少的。

一般来讲,一个磁力链接只需要上面两个参数即可找到唯一对应的资源。也有其他的可选参数提供更加详细的信息。


  • dn:display name 的缩写,表示向用户显示的文件名。


  • tr:tracker 的缩写,表示 tracker 服务器的地址。


  • kt: 关键字,更笼统的搜索,指定搜索关键字而不是特定文件。


  • mt:文件列表,链接到一个包含磁力链接的元文件 (MAGMA – MAGnet MAnifest)。


种子/DHT

通过磁力就可以获取种子文件从而进行下载,这跟直接使用种子下载时一个道理的,只是少了从磁力到种子文件的一个过程而已。

640?wx_fmt=jpeg

BitTorrent 协议的种子文件可以保存一组文件的元数据。这种格式的文件被 BitTorrent 协议所定义。扩展名一般为“.torrent”。BitTorrent 使用”分布式哈希表”(DHT)来为无 tracker 的种子(torrents)存储 peer 之间的联系信息。这样每个 peer 都成了 tracker。这个协议基于 Kademila 网络并且在 UDP 上实现。

DHT 由节点组成,它存储了 peer 的位置。BitTorrent 客户端包含一个 DHT 节点,这个节点用来联系 DHT 中其他节点,从而得到 peer 的位置,进而通过 BitTorrent 协议下载。


  • peer: 一个 TCP 端口上监听的客户端/服务器,它实现了 BitTorrent 协议。


  • 节点: 一个 UDP 端口上监听的客户端/服务器,它实现了 DHT(分布式哈希表) 协议。 如果对 DHT 协议感兴趣的话一定要看下 DHT 协议 的具体内容,这里有 中文翻译版本。(想要彻底读懂项目的话一定要先了解该协议,代码都是基于该协议实现的)


640?wx_fmt=gif


务实的实践


项目来源

一般来讲到 Python 爬取,大家的第一印象可能就是 requests/aiohttp,或者是 scrapy/pyspider 等爬虫框架。基本上都是从指定的 HTML 页面爬取信息。我有一个项目 torrent-cli(github.com/chenjiandongx/torrent-cli) 就是一个从资源网站上爬取磁力信息的工具。

640?wx_fmt=jpeg

然而我想自给自足获取磁力种子,Google 了一番,发现大家基本上的代码都是从 simDHT(github.com/fanpei91/simDHT)这个项目来的,首先这个项目很棒,但是有个问题就是代码实现细节基本没有一行注释且不兼容 Python3。而很多网上同类的代码基本上也是对这个照搬….

所以我知道我要开始干活了

640?wx_fmt=gif

经过一波 happy coding 之后

640?wx_fmt=gif


项目结构


核心代码


  • crawler.py

从 DHT 网络中获取磁力链接。主要是利用一些大型的服务器 tracker,冒充 DHT 节点,使用 UDP 协议加入到 DHT 网络中一波搜索以及和其他节点搞好关系,让他们也分享我点资源。磁力数据存放在了 redis,利用 redis 的集合特性来去重。使用了多线程/多进程,用于提高爬取效率。在我的本地机器(i7-7700HQ/16G 内存/8M 网速)跑了一下,效果还不错,4 小时爬了 100 万条磁力链接。





  1. $ redis


    -


    cli





  2. 127.0


    .


    0.1


    :


    6379


    >


    scard magnets





  3. (


    integer


    )




    1137627


然后代码推送到我那台性能强悍 1 核/2G 内存/1M 网速阿里云服务器跑一下,哎….

640?wx_fmt=jpeg


  • magnettotorrent_aria2c.py 利用 aria2 将磁力链接转换为种子文件。尝试了一些其他的方式将磁力转换为种子,但效果好像都不怎么理想。使用过 libtorrent 的 Python 版本,不知道是我打开方式不对还是它本来效率就不高,反正愣是一个种子都没有转换成功。

最后兜兜转转用到了 aria2 发现效率还可以。这里利用多线程跑一个命令。所以要先把 aria2 安装到你的 PATH 中,具体参考官网介绍。


  • parse_torrent.py 解析种子文件内容,同样也是利用了 bencoder 进行解码。有了种子我们当然要看看到底是些什么资源了啦。你说世界就是这么小,在我解析出来的几百个种子文件中,居然有几个都是来自那个以

    2的10次方

    为标志的社区。




640?wx_fmt=jpeg

有图有真相

640?wx_fmt=jpeg

不过我还是希望大家铭记下面这 24 字箴言

640?wx_fmt=jpeg


辅助代码


  • database.py:封装了关于 redis 的数据操作,主要是利用其集合数据结构。


  • utils.py:一些工具函数


如何使用

获取源码及安装依赖环境





  1. $ git clone https


    :


    //github.com/chenjiandongx/magnet-dht.git





  2. $ cd magnet


    -


    dht





  3. $ pip install


    -


    r requirements


    .


    txt


    # 确保已经安装好 redis,redis 的具体配置可以在 database.py 里面修改。


运行项目





  1. # 至于进程数量可以在 crawler.py 进行调整$ python manage.py -h





  2. usage


    :


    manage


    .


    py


    [-


    h


    ]




    [-


    s


    ]




    [-


    m


    ]




    [-


    p


    ]








  3. start manage


    .


    py


    with


    flag


    .








  4. optional arguments


    :







  5. -


    h


    ,




    --


    help  show


    this


    help message


    and




    exit




    -


    s          run start_server func


    .







  6. -


    m          run magnet2torrent func







  7. -


    p          run parse_torrent func



深刻的感悟

自我学编程以来,我一直都是属于兴趣驱动的,对某种技术感兴趣的话就会花时间去研究去尝试。想成为一个有趣的人,去做一些有趣的事,真心觉得能把脑海里的想法转变为代码实现是件很棒的事,即使可能这件事在别人看来并没有什么了不起。技术发展变化总是那么快,不紧跟着可能不小心就掉队了。所以希望每个真心热爱编程的人都能不忘初心,永远保持对新技术的热情,永远能从编码中找到乐趣。

640?wx_fmt=png

640?wx_fmt=gif


Python中文社区作为一个去中心化的全球技术社区,以成为全球20万Python中文开发者的精神部落为愿景,目前覆盖各大主流媒体和协作平台,与阿里、腾讯、百度、微软、亚马逊、开源中国、CSDN等业界知名公司和技术社区建立了广泛的联系,拥有来自十多个国家和地区数万名登记会员,会员来自以公安部、工信部、清华大学、北京大学、北京邮电大学、中国人民银行、中科院、中金、华为、BAT、谷歌、微软等为代表的政府机关、科研单位、金融机构以及海内外知名公司,全平台近20万开发者关注。


640?wx_fmt=jpeg








点击下方



阅读原文






免费成为



社区会员