纯真IP数据库格式详解

时间:2022-04-04 23:09:58

纯真版IP数据库,优点是记录多,查询速度快,它只用一个文件QQWry.dat就包含了所有记录,方便嵌入到其他程序中,也方便升级。缺点是你想要编辑它却是比较麻烦的,由于其文件格式的限制,你要直接添加IP记录就不容易了

基本结构
QQWry.dat
文件在结构上分为3块:文件头,记录区,索引区。一般我们要查找IP时,先在索引区查找记录偏移,然后再到记录区读出信息。由于记录区的记录是不定长的,
所以直接在记录区中搜索是不可能的。由于记录数比较多,如果我们遍历索引区也会是有点慢的,一般来说,我们可以用二分查找法搜索索引区,其速度比遍历索引
区快若干数量级。图1是QQWry.dat的文件结构图。

纯真IP数据库格式详解

图1. QQWry.dat文件结构
要注意的是,QQWry.dat里面全部采用了little-endian字节序

一. 了解文件头
QQWry.dat的文件头只有8个字节,其结构非常简单,首四个字节是第一条索引的绝对偏移,后四个字节是最后一条索引的绝对偏移。

二. 了解记录区

条IP记录都由国家和地区名组成,国家地区在这里并不是太确切,因为可能会查出来“清华大学计算机系”之类的,这里清华大学就成了国家名了,所以这个国家
地区名和IP数据库制作的时候有关系。所以记录的格式有点像QName,有一个全局部分和局部部分组成,我们这里还是沿用国家名和地区名的说法。


是我们想象着一条记录的格式应该是:
[IP地址][国家名][地区名],当然,这个没有什么问题,但是这只是最简单的情况。很显然,国家名和地区名可能会有很多的重复,如果每条记录都保存一
个完整的名称拷贝是非常不理想的,所以我们就需要重定向以节省空间。所以为了得到一个国家名或者地区名,我们就有了两个可能:第一就是直接的字符串表示的
国家名,第二就是一个4字节的结构,第一个字节表明了重定向的模式,后面3个字节是国家名或者地区名的实际偏移位置。对于国家名来说,情况还可能更复杂
些,因为这样的重定向最多可能有两次。

那么什么是重定向模式?根据上面所说,一条记录的格式是[IP地址][国家记录][地区记录],如果国家记录是重定向的话,那么地区记录是有可能没有的,于是就有了两种情况,我管他叫做模式1和模式2。我们对这些格式的情况举图说明:

纯真IP数据库格式详解

图2. IP记录的最简单形式
图2表示了最简单的IP记录格式,我想没有什么可以解释的

纯真IP数据库格式详解

图3. 重定向模式1
图3演示了重定向模式1的情况。我们看到在模式1的情况下,地区记录也跟着国家记录走了,在IP地址之后只剩下了国家记录的4字节,后面3个字节构成了一个指针,指向了实际的国家名,然后又跟着地址名。模式1的标识字节是0x01。

纯真IP数据库格式详解

图4. 重定向模式2

4演示了重定向模式2的情况。我们看到了在模式2的情况下(其标识字节是0x02),地区记录没有跟着国家记录走,因此在国家记录之后4个字节之后还是有
地区记录。我想你已经明白了模式1和模式2的区别,即:模式1的国家记录后面不会再有地区记录,模式2的国家记录后会有地区记录。下面我们来看一下更复杂
的情况。

纯真IP数据库格式详解

图5. 混和情况1

5演示了当国家记录为模式1的时候可能出现的更复杂情况,在这种情况下,重定向指向的位置仍然是个重定向,不过第二次重定向为模式2。大家不用担心,没有
模式3了,这个重定向也最多只有两次,并且如果发生了第二次重定向,则其一定为模式2,而且这种情况只会发生在国家记录上,对于地区记录,模式1和模式2
是一样的,地区记录也不会发生2次重定向。不过,这个图还可以更复杂,如图7:

纯真IP数据库格式详解

图6. 混和情况2
图6是模式1下最复杂的混和情况,不过我想应该也很好理解,只不过地区记录也来重定向而已,有一点我要提醒你,如果重定向的地址是0,则表示未知的地区名。


以我们总结如下:一条IP记录由[IP地址][国家记录][地区记录]组成,对于国家记录,可以有三种表示方式:字符串形式,重定向模式1和重定向模式
2。对于地区记录,可以有两种表示方式:字符串形式和重定向,另外有一条规则:重定向模式1的国家记录后不能跟地区记录。按照这个总结,在这些方式中合理
组合,就构成了IP记录的所有可能情况。

设计的理由
在我们继续去了解索引区的结构之前,我们先来了解一下为何记录区的结构要如此设
计。我想你可能想到了答案:字符串重用。没错,在这种结构下,对于一个国家名和地区名,我只需要保存其一次就可以了。我们举例说明,为了表示方便,我们用
小写字母代表IP记录,C表示国家名,A表示地区名:

有两条记录a(C1, A1), b(C2, A2),如果C1 = C2, A1 = A2,那么我们就可以使用图3显示的结构来实现重用
有三条记录a(C1, A1), b(C2, A2), c(C3, A3),如果C1 = C2, A2 = A3,现在我们想存储记录b,那么我们可以用图6的结构来实现重用
有两条记录a(C1, A1), b(C2, A2),如果C1 = C2,现在我们想存储记录b,那么我们可以采用模式2表示C2,用字符串表示A2

你可以举出更多的情况,你也会发现在这种结构下,不同的字符串只需要存储一次。

了解索引区
在"了解文件头"部分,我们说明了文件头实际上是两个指针,分别指向了第一条索引和最后一条索引的绝对偏移。如图8所示:

纯真IP数据库格式详解

图8. 文件头指向索引区图示

在是很简单,不是吗?从文件头你就可以定位到索引区,然后你就可以开始搜索IP了!每条索引长度为7个字节,前4个字节是起始IP地址,后三个字节就指向
了IP记录。这里有些概念需要说明一下,什么是起始IP,那么有没有结束IP? 假设有这么一条记录:166.111.0.0 -
166.111.255.255,那么166.111.0.0就是起始IP,166.111.255.255就是结束IP,结束IP就是IP记录中的那头
4个字节,这下你应该就清楚了吧。于是乎,每条索引配合一条记录,构成了一个IP范围,如果你要查找166.111.138.138所在的位置,你就会发
现166.111.138.138落在了166.111.0.0 - 166.111.255.255
这个范围内,那么你就可以顺着这条索引去读取国家和地区名了。那么我们给出一个最详细的图解吧:

纯真IP数据库格式详解

图9. 文件详细结构

在一切都清楚了是不是?也许还有一点你不清楚,QQWry.dat的版本信息存在哪里呢?
答案是:最后一条IP记录实际上就是版本信息,最后一条记录显示出来就是这样:255.255.255.0 255.255.255.255 纯真网络
2004年6月25日IP数据。OK,到现在你应该全部清楚了。

PHP Demo 不记得demo出处了

<?php
class IP {
var $fh; //IP数据库文件句柄
var $first; //第一条索引
var $last; //最后一条索引
var $total; //索引总数 //构造函数
function __construct(){
$this->fh = fopen('./qqwry.dat', 'rb'); //qqwry.dat文件
$this->first = $this->getLong4();
$this->last = $this->getLong4();
$this->total = ($this->last - $this->first) / 7; //每条索引7字节
} //检查IP合法性
function checkIp($ip){
$arr = explode('.', $ip);
if( count($arr) !=4 ){
return false;
}
else{
for( $i=0; $i<4; $i++){
if( $arr[$i] <'0' || $arr[$i] > '255' ) {
return false;
}
}
}
return true;
} function getLong4(){
//读取little-endian编码的4个字节转化为长整型数
$result = unpack('Vlong', fread($this->fh, 4));
return $result['long'];
} function getLong3() {
//读取little-endian编码的3个字节转化为长整型数
$result = unpack('Vlong', fread($this->fh, 3).chr(0));
return $result['long'];
} //查询信息
function getInfo($data = "") {
$char = fread($this->fh, 1);
while( ord($char) != 0) { //国家地区信息以0结束
$data .= $char;
$char = fread($this->fh, 1);
}
return $data;
} //查询地区信息
function getArea() {
$byte = fread($this->fh, 1); //标志字节
switch (ord($byte)) {
case 0: $area = ''; break; //没有地区信息
case 1: //地区被重定向
fseek($this->fh, $this->getLong3());
$area = $this->getInfo(); break;
case 2: //地区被重定向
fseek($this->fh, $this->getLong3());
$area = $this->getInfo(); break;
default: $area = $this->getInfo($byte); break; //地区没有被重定向
}
return $area;
} function ip2addr($ip) {
if( !$this->checkIp($ip) ){
return false;
} $ip = pack('N', intval(ip2long($ip)) ); //二分查找
$l = 0;
$r = $this->total; while($l <= $r) {
$m = floor(($l + $r) / 2); //计算中间索引
fseek($this->fh, $this->first + $m * 7);
$beginip = strrev(fread($this->fh, 4)); //中间索引的开始IP地址
fseek($this->fh, $this->getLong3());
$endip = strrev(fread($this->fh, 4)); //中间索引的结束IP地址 if( $ip < $beginip) { //用户的IP小于中间索引的开始IP地址时
$r = $m - 1;
}
else{
if( $ip > $endip) { //用户的IP大于中间索引的结束IP地址时
$l = $m + 1;
}
else{ //用户IP在中间索引的IP范围内时
$findip = $this->first + $m * 7;
break;
}
}
} //查询国家地区信息
fseek($this->fh, $findip);
$location['beginip'] = long2ip($this->getLong4()); //用户IP所在范围的开始地址
$offset = $this->getlong3();
fseek($this->fh, $offset);
$location['endip'] = long2ip($this->getLong4()); //用户IP所在范围的结束地址 $byte = fread($this->fh, 1); //标志字节
switch( ord($byte) ){
case 1: //国家和区域信息都被重定向
$countryOffset = $this->getLong3(); //重定向地址
fseek($this->fh, $countryOffset);
$byte = fread($this->fh, 1); //标志字节
switch( ord($byte) ){
case 2: //国家信息被二次重定向
fseek($this->fh, $this->getLong3());
$location['country'] = $this->getInfo();
fseek($this->fh, $countryOffset + 4);
$location['area'] = $this->getArea();
break;
default: //国家信息没有被二次重定向
$location['country'] = $this->getInfo($byte);
$location['area'] = $this->getArea();
break;
}
break; case 2: //国家信息被重定向
fseek($this->fh, $this->getLong3());
$location['country'] = $this->getInfo();
fseek($this->fh, $offset + 8);
$location['area'] = $this->getArea();
break; default: //国家信息没有被重定向
$location['country'] = $this->getInfo($byte);
$location['area'] = $this->getArea();
break;
} //gb2312 to utf-8(去除无信息时显示的CZ88.NET)
foreach ($location as $k => $v) {
$location[$k] = str_replace('CZ88.NET', '', iconv('gb2312', 'utf-8', $v));
} return $location;
} //析构函数
function __destruct() {
fclose($this->fh);
} } $ip = new IP();
$addr = $ip->ip2addr('113.247.15.120');
print_r($addr);