C++如何解析Bencode编码的种子文件-C++-PHP中文网

bencode是bittorrent专用序列化格式，以d/l/i/数字:e编码字典、列表、整数和字符串，无json兼容性；需手写递归下降解析器或使用tiny-bencode等专用库，关键在于保留原始字节（如info子串算info_hash）。

c++如何解析bencode编码的种子文件

什么是Bencode，为什么不能直接用JSON库解析

Bencode是BitTorrent协议专用的序列化格式，不是JSON、XML或YAML。它用d表示字典、l表示列表、i表示整数、数字:e表示字符串（如5:hello）。没有引号、没有布尔值、没有浮点数，且字典键必须是字符串且按字节序排序。用jsoncpp或nlohmann/json强行解析会直接报错或静默失败——因为开头就是d，根本不是合法JSON。

Bencode不校验UTF-8，字符串是纯字节序列，std::string可直接承载
整数范围是任意精度有符号整数，但实际种子文件中基本都在int64_t范围内
字典键重复时以后出现者为准（规范未明确定义，主流实现如libtorrent覆盖前值）

手写递归下降解析器的关键三步

核心思路：用一个const char*指针单向扫描，每层函数负责消费一段合法Bencode并返回解析结果，同时更新指针位置。

遇到d：循环读键值对，每次先解析键（必须是string），再解析对应值；遇到e结束
遇到l：循环解析元素直到e；元素类型由下一个字符决定（d/l/i/数字）
遇到i：跳过i，读直到e，用std::strtoll转整数（注意检查endptr和溢出）
遇到数字（如12:abc...）：先读冒号前的十进制长度，再截取对应字节数作为std::string（不null终止，不假设可打印）

示例片段（简化版整数解析）：

int64_t parse_int(const char*& p) {
    if (*p != 'i') throw std::runtime_error("expected 'i'");
    ++p;
    char* end;
    int64_t val = std::strtoll(p, &end, 10);
    if (end == p || *end != 'e') throw std::runtime_error("invalid int format");
    p = end + 1; // skip 'e'
    return val;
}

解析种子文件时必须处理的特殊字段

.torrent文件本质是Bencode字典，但结构固定。只关注关键路径即可，不用全量建模：

C++ Code Review Master

组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。

下载

info字典：所有元数据核心，其序列化二进制（非解析后内容）的SHA-1哈希即info_hash
info内name：文件或目录名，原始字节，可能含空格/非ASCII
info内files（多文件）或length（单文件）：决定下载内容大小
announce：Tracker URL，需保留原始编码（不要擅自UTF-8 decode）
encoding字段极少出现，可忽略；无此字段时，name等字符串按字节流处理

常见坑：

把info字典整个反序列化成C++对象再算hash → 错！必须用原始Bencode字节（从info开始到对应e结束的子串）
用std::stoi解析大整数（如length超2GB）→ 溢出，改用std::strtoll或boost::multiprecision
忽略pieces字段是二进制字符串（每20字节一个piece hash）→ 它是20:xxx...xxx形式，长度必被20整除

推荐轻量级方案：用现成parser避免重复造轮子

自己写完整parser容易漏边界（如嵌套过深、超长字符串、无效字符）。更稳妥的做法是集成已验证的C++库：

libtorrent（lt::bdecode()）：最成熟，但头文件依赖多，链接重
tiny-bencode（header-only）：仅几百行，支持std::variant返回值，无外部依赖
手动提取+正则？不行。Bencode是递归结构，正则无法正确匹配嵌套d/e

使用tiny-bencode示例：

#include "bencode.h"
auto data = bencode::decode(std::ifstream("test.torrent").rdbuf());
auto info = data.get_dict().at("info"); // throws if missing
std::string info_bin = bencode::encode(info); // 原始字节，用于算info_hash

真正麻烦的从来不是“怎么解析”，而是后续怎么用——比如pieces要拆成vectorsha1_hash，files要按path数组拼出完整相对路径。这些逻辑不在Bencode本身，但没它们，解析出来也没法下种。