# B 站直播弹幕 websocket 协议分析 ## 包格式 包为 byte 数据,由头部和数据组成,字节序均为大端模式 头部长度为 16 | 偏移量 | 长度 | 含义 | | ------ | ---- | ------------------------- | | 0 | f | 包总大小 package_size | | 4 | 2 | 头部大小 header_size | | 6 | 2 | 协议版本 protocol_version | | 8 | 4 | 操作码 operation | | 12 | 4 | 包序列 sequence_id | 操作码含义 | 操作码 | 含义 | | ------ | --------------------------------------------------- | | 2 | 心跳 HEARTBEAT (标记该包为心跳包) | | 3 | 心跳回应 HEARTBEAT_REPLY (有时候带着人气值数据返回) | | 5 | 消息 NOTIFY (B 站的弹幕或业务消息都属于这个操作码) | | 7 | 认证 AUTH (标记该包为认证包) | | 8 | 认证回复 AUTH_REPLY | 协议版本 | 协议版本 | 含义 | | -------- | ----------------------- | | 0 | NORMAL 未压缩的正常消息 | | 1 | HEARTBEAT 心跳 | | 2 | DEFLATE zlib 压缩包 | | 3 | BROTLI brotil 压缩包 | ## 连接建立流程 1. 根据直播间 id 得到 websocket 连接地址 B 站直播间 id 分短 id 和真正的 id,如 510,605,1314,7777 等都属于短 id,需要请求 `GET https://api.live.bilibili.com/xlive/web-room/v1/index/getInfoByRoom?room_id=房间号` 得到真正的房间号,再次请求 `GET https://api.live.bilibili.com/room/v1/Danmu/getConf?room_id=真正的房间号&platform=pc&player=web` 系统会分配 3 个 websocket 连接地址 (负载均衡考虑) 和 连接 token,按照 `wss://{host}:{wss_port}/sub` (TLS WS 连接) 或 `ws://{host}:{ws_port}/sub` (WS 连接格式) 的格式拼接,即可得到 websocket 连接地址 2. 建立连接后,发送认证包 建立连接后需要立即发送认证包，否则服务器会断开连接 认证包数据载荷为 json 格式的字符串，内容如下,和头部拼接时候需要 使用 utf-8 编码转化为 bytes ```json { "uid": 0, // 用户id,0 代表游客 "roomid": 123, //你要收取弹幕的房间号 "protover": 3, //后面通信要使用的协议版本,主要影响处理粘包时的解码选择,选3代表后面粘包使用 brotil 压缩, "platform": "web", // 平台选择web端 "type": 2, //不明确，填2 "clientver": "1.4.3", //客户端版本,填1.4.3 "key": "your token" //填写上一步系统给的token值 } ``` 头部操作码选择 7 (AUTH 认证) ,版本为 0 (NORMAL 未压缩的消息), sequence_id 填 1,包大小和头部大小请自行计算填写 3. 定时发送心跳包 B 站服务器设置的心跳间隔约为 70s 左右，所以连接建立后每隔 30s 发送一次心跳维持连接基本稳妥。心跳包内容随意填写无影响，头部操作码选择 2 (HEARTBEAT 心跳), 版本选择 0 (NORMAL 未压缩的消息) ## 收到包的消息处理 服务器推送的包只会有 3 种操作码，分别为 3(心跳回应)，5(消息)，8(认证回复),所以我们只需要对这三种包进行处理 - ### 心跳回应 心跳回应数据都是未压缩的,所以可以跳过协议判断,直接 `data[16+4:]`截取有效载荷再使用 utf-8 编码转化为字符串即可,16 是头部长度,+4 是因为数据段前面还有 4 位无效数据?(含义不明，不知道为什么有)，直接去掉 - ### 认证回复 认证回复为发送认证包后收到的回复,数据包无压缩,直接 `data[16:]`截取有效载荷再使用 utf-8 编码转化为字符串即可 - ### 消息 首先说明,B 站对 消息 这一数据包出于服务器效率考虑会存在粘包的情况(目前的情况是一定会有粘包的存在)，所以在编写处理代码时无可避免要处理这一情况，并且在认证（AUTH）包发送阶段选择的 协议版本 的值会在这一阶段产生影响,如果在认证时选择 0 (NORMAL 未压缩的消息) 或者 1 (HEARTBEAT),则默认服务器在粘包使用 zlib 压缩多个包,若选择 3(Brotil 压缩),则会使用 Brotil 压缩多个包。首先说明服务端的粘包逻辑，这有利于编写解包代码 - 服务器正常打包每一个数据包 ```txt ---------- | header | |--------| | | | data | | | ---------- ---------- | header | |--------| | | | data | | | ---------- ``` - 服务器发现包太多，或者单个消息包太大，都会使用认证期选择的压缩协议压缩数据包,并再套上一个包头，协议版本字段写明使用的压缩协议 ```txt ---------------- | header | ---------------- | ---------- | | | header | | | |--------| | | | | | | | data | | | | | | | ---------- | | ---------- | | | header | | | |--------| | | | | | | | data | | | | | | | ---------- | ---------------- ``` 所以判断是否粘贴包的逻辑为 ```txt --------->说明数据载荷为多个包粘贴或单个包太大---->丢弃头部,使用对应压缩协议解压数据段,得到无缝拼接的包数据 / 然后对数据进行拆包提取数据 / zlib/brotil压缩 / 收到数据----->判断头部协议版本 \ 正常消息 \ -------->说明数据载荷为单个数据---->直接提取数据 ``` 拆包逻辑的主要思想是:首先读取头部信息，计算数据长度是否大于头部声明的数据包长度。如果数据长度大于头部声明的数据长度，则按声明的数据长度截取数据，取出第一个包，然后相同逻辑判断后面的数据,代码实现请参考源代码 blive/core.py `BWS_MsgPackage`类的`unpack`方法实现