近来猛然想做个磁力链搜索引擎
预计想分3步走
1.写个磁力链下载器
2.写个DHT网路爬虫
3.搭个磁力链搜索网站
自己一个人忙活了几天了，第一步的进度才迈出第一步。。。。不晓得最后能不能实现。
part1磁力链原理的简单介绍。
磁力链和种子是两种东西，这首先要分得清。磁力链实际上是bt合同的一个拓展合同。（这儿是bt合同的地址）
常见的磁力链格式如下
:?xt=urn:btih:&dn=【MGRT&幻之字幕组】【剧场版】我想吞掉你的肝脏我想吃了你的肝脏君の膵臓をたべたい【简体内嵌】【720P】.mp4
磁力链的实际参数比前面这个链接还要多
感兴趣的可以瞧瞧这篇博客
尽管参数好多，但磁力链中最关键的部份是最上面那串hash加密的特点码。这个特点码是对种子进行hash加密得到的,类似资源的身分证，只要你有这个身分证，就可以找到该资源，其他参数实际上省去也没哪些关系。
part2有了磁力链，我们如何下载到种子文件
这儿下载方式有两种
1.到种子库通过磁力链检索
2.通过DHT网路找寻。
第一种方式。虽然就是上网找可用的种子库，借助他人储存的种子库找到资源。这些技巧最方便。最常见的种子库其实是迅雷啦。不过迅雷的种子库早关掉了。我抓包抓了半天也没剖析出它现今的恳求结构。不过在网上逛了半天，倒是让我找到了一个种子库
网址为这个磁力链搜索站就是用的这个种子库。
这个种子库的恳求构造虽然也挺简单的。
访问代码如下
import requests,json,re
from pyquery import PyQuery as pq
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) thunderx/1.0.0 Chrome/59.0.3071.115 Electron/1.8.6 Safari/537.36',
}
#通过磁力链从storeTorrent网址获取种子,网址为http://storetorrents.com
def getFromStoreTorrents(hash):
baseUrl = "http://storetorrents.com/torrent/"
url = "https://storetorrents.xyz/download"
r = requests.get(baseUrl+hash+".html",headers=headers)
doc = pq(r.text)
key = doc("#downloadform div.downbox input[name='key']").attr("value")
params = {
'key': key,
'infohash': hash,
}
r = requests.post(url,data=params,headers=headers)
with open("E:/test.torrent","wb") as f:
f.write(r.content)
return r.content
if __name__ == "__main__":
hash = 'b68d400d25a8bc977f9f711c4068f3624bec87c0'
torrent = getFromStoreTorrents(hash)
这样就实现了借助磁力链下载种子了。
至于第二种方式：
现今还没实现。留个坑吧。
part3种子解析
我们用记事本打开种子文件，会听到类似这样的文本
1.为何全是乱码。这主要是用于种子文件的主体部份是hash校准码，sha1的hash校准码是由20个字节组成的，一个字节有8位，而一个16补码数只有4位磁力链接搜索引擎，所以实际上20个字节压缩了40个16补码数。如AA这个16补码数为编码的时侯为，并不是01010，我们从网上将种子文件下载出来之后，编码哪些的都是按字节读取编码的磁力链接搜索引擎，所以对于AA计算机将其看成一个字节了，若果是utf8编码，它会找对应的字符，假如字符在utf-8中没有映射，则会报错，有映射并且不可显示，都会一堆乱码。
其实，还有一些乱码是因为编码格式不正确，比如一些标题乱码。这个在编码的时侯转化一下就好了。主要还是hash校准码显示乱码
2.种子文件是借助编码的。不了解的可以百度一下。所以，假若要解析出文本，我们还须要对于文本进行解码。解码这个还是比较麻烦的，网上有一些解码的包，也有用c，用php写的代码，试了几个，有些问题。并且，不太符合我的期望。我就自己写了一个。解码主要思路是借助编译的方式，自顶向上剖析得到句型剖析树，再进行切分，编码主要就是借助砌筑的方式，编码比解码简单多了。有兴趣的可以瞧瞧，代码放到最后。
part3种子结构介绍
种子下载出来了，解析也解析完成，让我们剖析一下种子的结构吧。
种子文件中包含了资源的目录信息（该资源富含什么信息），资源的发布者，资源大小，各片断的hash校准码等等，贴上一张我解析下来的种子结构
我将种子中的格式的文本，转化为了json格式的文本。将hash加密后得到的乱码数据，转化为了10补码的数据。一个十补码数表示两个16补码数合并。
我们可以看到这个种子文件包含
：主服务器的地址
-list：同样是服务器的地址。