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 +1,54 @@
|
||||
#!/usr/bin/env python3
|
||||
"""chrome_hide.py — 把 9222 采集 Chrome 的窗口移到屏幕外(CDP)
|
||||
|
||||
供 chrome_debug.sh 启动后调用。通过 Chrome DevTools Protocol 操作
|
||||
9222 实例自己的窗口,绝不会影响用户日常 Chrome。
|
||||
|
||||
用法: python3 chrome_hide.py
|
||||
"""
|
||||
import asyncio
|
||||
import sys
|
||||
|
||||
OFFSCREEN = {"left": 10000, "top": 10000, "width": 900, "height": 600, "windowState": "normal"}
|
||||
|
||||
|
||||
async def main() -> int:
|
||||
try:
|
||||
from playwright.async_api import async_playwright
|
||||
except ImportError:
|
||||
print("[chrome_hide] playwright 未安装,跳过窗口隐藏", file=sys.stderr)
|
||||
return 0
|
||||
pw = await async_playwright().start()
|
||||
try:
|
||||
browser = await pw.chromium.connect_over_cdp("http://127.0.0.1:9222")
|
||||
except Exception as e:
|
||||
print(f"[chrome_hide] CDP 连接失败: {e}", file=sys.stderr)
|
||||
await pw.stop()
|
||||
return 1
|
||||
try:
|
||||
cdp = await browser.new_browser_cdp_session()
|
||||
targets = await cdp.send("Target.getTargets")
|
||||
moved = 0
|
||||
for t in targets.get("targetInfos", []):
|
||||
if t.get("type") != "page":
|
||||
continue
|
||||
try:
|
||||
win = await cdp.send("Browser.getWindowForTarget", {"targetId": t["targetId"]})
|
||||
wid = win.get("windowId")
|
||||
if wid:
|
||||
await cdp.send("Browser.setWindowBounds", {"windowId": wid, "bounds": OFFSCREEN})
|
||||
moved += 1
|
||||
except Exception as e:
|
||||
print(f"[chrome_hide] 窗口 {t.get('targetId', '')} 处理失败: {e}", file=sys.stderr)
|
||||
print(f"[chrome_hide] 已将 {moved} 个窗口移到屏幕外")
|
||||
finally:
|
||||
try:
|
||||
await browser.close()
|
||||
except Exception:
|
||||
pass
|
||||
await pw.stop()
|
||||
return 0
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
sys.exit(asyncio.run(main()))
|
||||
Reference in New Issue
Block a user