分享一个 Go 写的 BT 种子爬虫

[Lime]

主要实现了 BitTorrent DHT 协议。爬虫的原理主要是利用 DHT 协议监听别人的 announce_peer 消息，然后根据得到的 infohash 利用 BEP-9 下载 medata info(BT 种子文件的主要部分，可以认为是种子文件)。粗略估计了下，不到 24 小时左右下载了 10w+个 BT 种子。

里边的数据看了下，有很多电影、 pdf 、 mp3 、软件等资源，包括很多限制级资源，比如色情视频。你可以拿它做数据分析，也可以用它来建一个 BT 搜索引擎，不过要小心版权问题，也要做好被墙的心理准备(涉及敏感资源)。

最后 http://bthub.io 是用它建的一个 BT search engine 。

Github: https://github.com/shiyanhui/dht

[batnss]

支持下

[Asimov]

http://www.v2ex.com/t/259754

樓主看這個。

[Lonely]

interesting

[zwpaper]

有意思，周末看看代码，学习一下

[Lime]

@Asimov 嗯，看了下这个的源代码，关于爬虫的原理是类似的，实现上他没有遵循官方 BT 协议规范，比如 routingtable 的实现，而且 dht 协议也只实现了一部分， transaction 的处理则没有。不过他这样做也没错，因为两者的目标不一样。他那个是一个纯 BT 爬虫，我则希望按照官方文档实现，然后通过更改参数，提供标准模式和爬虫模式，也就是说，我这个既可以用来做一个标准的 DHT 组件，也可以用来爬 BT 种子。

[scnace]

已 star 支持。。有空玩玩😊

[v2014]

好多黑方块，编码有问题吧

[Lime]

@v2014 好眼力！因为爬来的内容是多种语言，看了下竟然还有阿拉伯语的，所以猜测他们制作种子的时候有的不是用 utf-8 做的，所以 utf8 解不了...

[youmuyoua]

厉害！

[fising]

每隔一段时间就有人来宣传自己造的 DHT 轮子

[Lime]

@fising 哈哈

[la0wei]

@Lime @fising kat 倒下后更加需要这样的轮子

[crayygy]

随手搜了个”生活大爆炸“，结果也是有点感人。还好工位后面没人= =

[Lime]

@crayygy = =

[dxwwym]

学习

[mangoim]

感觉结果不太准确啊。。结果感人

[Lime]

@mangoim bthub.io 是用 es 来全文检索的

[itopidea]

我一直用这个 http://cli.info/

[unique]

刚好在研究这个， mark

[Lime]

@itopidea 这个前端框架貌似用的是 weui