feat(monitor): 抖音 Web 接口客户端 —— 绕开爬虫子进程,直接发 HTTP
移植自 mac-agent-os 的 mediacrawler_adapter:不起子进程、不开页面,用浏览器里那份
登录态直接调抖音 Web 接口。产物键名照抄 store/douyin,所以 ingest 那条链路一个字不用改。
**目前能用的(真环境实测,非推断)**:
profile/other : 200, 7075 字节 —— 博主主页指标(粉丝/获赞/作品数/昵称)
aweme/detail : 200, 45425 字节 —— 单条作品详情(含点赞/评论/收藏/分享)
**目前不能用的:作品列表 `aweme/post`。** 两个互相独立的原因:
1. 这个接口被抖音单独升级成了真校验:不带 x-tt-argus 回 403「Uifid Not Found」,
带上 dummy 值回 200 + **空 body**。也就是说「头在不在」骗得过,「真校验」过不了。
同一套头打 profile/other 和 aweme/detail 都是通的 —— 抖音是挑着接口加保护的,
挑中的恰好是「批量拉作品列表」这个最敏感的动作。
2. 改走页面截获也不行:CDP 浏览器打开博主主页会落到「验证码中间页」(当天大量探测的
代价,过几小时要重测)。
所以现在的边界是:**已知作品的指标刷新能做,自动发现新作品做不了**。
**排查中控住变量后得到的两条事实**(都写进注释了):
· `Accept` / `Accept-Language` / `Referer` 才是主页接口能返回真数据的原因 —— 只有
UA+client hints+Cookie 时是 200 但仅 121 字节的空壳,补上这三个头变 7074 字节。
(我先前猜的 sec-ch-ua 不是关键。)
· 因此 UA 与 client hints 必须**成套地取自同一个浏览器**,所以 BrowserIdentity 一次
从 CDP 取齐 cookie + UA + hints,而不是各自写死。
「200 + 空 body 必须当场报错」也是刻意写死的:放过去它会在下游变成「这个博主没作品」,
把一次失败伪装成一条正常结果 —— 爬虫那条路正是这么栽的,还被翻译成「账号被封」。
测试 +11:cookie 解析、请求头成套性(含 uifid 缺失/回退)、产物键名与 store 对齐、
以及 _get 的三条失败路径(空 body / 403 带网关原话 / 正常返回)。
This commit is contained in:
@@ -0,0 +1 @@
|
||||
{"hostname":"Redmi-12C","guardd_version":"1.0.0","last_seen":"2026-05-18T10:00:00+08:00","os":"macOS 26.4 (arm64)","cpu_load":0,"disk_total_gb":228,"disk_used_gb":12,"disk_avail_gb":161,"current_task":"袁本初每日采集"}
|
||||
+24
@@ -0,0 +1,24 @@
|
||||
{
|
||||
"hostname": "chengzigedeAir",
|
||||
"version": "2.3.0",
|
||||
"role": "workstation",
|
||||
"os": "macOS 25.4.0 (arm64)",
|
||||
"cpu": {
|
||||
"arch": "arm64",
|
||||
"load_1m": 2.56
|
||||
},
|
||||
"memory": {
|
||||
"total_gb": 0,
|
||||
"used_gb": 0,
|
||||
"percent": 0
|
||||
},
|
||||
"disk": {
|
||||
"total_gb": 245.1,
|
||||
"used_gb": 225.5,
|
||||
"available_gb": 19.6
|
||||
},
|
||||
"last_seen": "2026-05-31T10:02:23.031584+00:00",
|
||||
"status": "online",
|
||||
"guardd_version": "2.3.0",
|
||||
"current_task": null
|
||||
}
|
||||
Reference in New Issue
Block a user